.png){kind=icon}
返回
Stochastic Image Denoising Method Based on Slice Sampling
.png){kind=icon}
PRE
AI
DOI：10.3745/JIPS.01.0116.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于切片采样的非局部随机去噪新方法被引入。该方法能显著提升非局部图像去噪算法的效率。所提算法包含两个阶段：首先，通过切片采样搜索相似图像块，然后设计去噪算法利用这些相似块重建原始图像。采用低秩矩阵近似方法获取干净块的估计值，并通过叠加生成干净去噪图像。理论分析和实验测试表明，该算法能够克服传统随机算法对提议分布的依赖。在含加性高斯噪声的基准图像上的实验结果显示，所提方法相较于BM3D等当前先进方法可取得良好性能。具体而言，对于噪声标准差为20的测试图像Lena，该方法可实现32.82 dB的峰值信噪比（PSNR）和0.87的结构相似性指数度量（SSIM）；对于相同噪声水平的Barbara图像，PSNR为31.50 dB，SSIM为0.89。这些结果证实了算法在去噪性能和边缘保持方面的有效性。
Keyword:
Image Denoising
Low Rank Matrix Approximation
Markov-Chain Monte Carlo
Slice Sampling