[1] |
A.建筑, B.科尔和J.M.莫雷尔,图像去噪算法综述,以及一种新的算法,多尺度模型。模拟。,4(2005), 490-530. 数字对象标识:10.1137/040616024。
|
[2] |
张世光, B.余和M.维特利,用于图像去噪和压缩的自适应小波阈值,IEEE传输。图像处理。,9(2000), 1532-1546. 数字对象标识:10.1109/83.862633.
|
[3] |
K.达波夫, A.Foi公司, V.卡特科夫尼克和K.Egiazarian公司、基于稀疏三维变换域协同滤波的图像去噪,IEEE传输。图像处理。,16(2007), 2080-2095. 数字对象标识:10.1109/TIP.2007.901238。
|
[4] |
D.L.多诺霍和I.M.约翰斯通,通过小波收缩实现理想的空间自适应,生物特征,81(1994), 425-455. 数字对象标识:10.1093/biomet/81.3.425。
|
[5] |
M.Elad先生和亚哈龙先生,通过学习字典上的稀疏和冗余表示进行图像去噪,IEEE传输。图像处理。,15(2006), 3736-3745. 数字对象标识:10.1109/TIP.2006.881969。
|
[6] |
G.Gilboa、J.Darbon、S.Osher和T.Chan,图像正则化的非局部凸泛函,加州大学洛杉矶分校CAM报告,06-57。
|
[7] |
G.吉尔博亚和S.Osher公司、非局部线性图像正则化和监督分割,多尺度模型。模拟。,6(2007), 595-630. 数字对象标识:10.1137/060669358。
|
[8] |
G.吉尔博亚和S.Osher公司、具有图像处理应用程序的非本地操作员,多尺度模型。模拟,7(2008),1005-1028数字对象标识:10.1137/070698592.
|
[9] |
S.Gu,L.Zhang,W.Zuo和X.Feng,加权核范数最小化及其在图像去噪中的应用程序。IEEE配置计算。视觉。模式识别。, (2014), 2862–2869.数字对象标识:10.1109/CVPR.2014.366。
|
[10] |
H.Hu和J.Froment,图像去噪的非局部总变差2012年光子学和光电子学研讨会,IEEE,(2012),1-4。数字对象标识:10.1109/SOPO.2012.6270982。
|
[11] |
H.胡, J.弗罗蒙特和Q.刘,关于基于补丁的低阶极小化快速图像去噪的注记,J.视觉通讯。图像表示,50(2018), 100-110. 数字对象标识:2016年10月10日/j.jvcir.2017.11.013。
|
[12] |
I.M.约翰斯通和B.W.西尔弗曼,相关噪声数据的小波阈值估计,英国皇家统计学会杂志:B辑(统计方法),59(1997), 319-351. 数字对象标识:10.1111/1467-9868.00071.
|
[13] |
S.金德曼, S.Osher公司和P.W.琼斯、利用非局部泛函对图像进行去模糊和去噪,多尺度模型。模拟。,4(2005), 1091-1115. 数字对象标识:10.1137/050622249.
|
[14] |
C.可耐斯和M.茨威克,双域图像去噪,IEEE传输。图像处理。,23(2014), 3114-3125. 数字对象标识:10.1109/TIP.2014.2326771。
|
[15] |
S.Lefkimmiatis公司和S.Osher公司,用于图像正则化的非局部结构张量泛函,IEEE计算成像汇刊,1(2015), 16-29. 数字对象标识:10.1109/TCI.2015.2434616。
|
[16] |
S.Lefkimmiatis,《通用去噪网络:用于图像去噪的新型CNN架构》IEEE计算机视觉和模式识别会议记录,(2018),3204–3213。数字对象标识:10.1109/CVPR.2018.00338。
|
[17] |
Z.李, F.马尔古耶斯和曾俊华(T.Zeng)、正则化非局部总变差及其在图像恢复中的应用,数学杂志。成像视觉。,59(2017), 296-317. 数字对象标识:2007年10月10日/10851-017-0732-6。
|
[18] |
J.刘和十、郑,一种用于图像恢复的块非局部TV方法,SIAM J.成像科学,10(2017), 920-941. 数字对象标识:10.1137/16M1074163。
|
[19] |
Y.Lou先生, 十、张, S.Osher公司和A.贝尔托齐、通过非本地操作员恢复图像,科学杂志。计算。,42(2010), 185-197. 数字对象标识:2007年10月10日/10915-009-9320-2。
|
[20] |
C.卢切特和L.莫伊桑,总变化作为局部过滤器,SIAM J.成像科学。,4(2011), 651-694. 数字对象标识:10.1137/100785855.
|
[21] |
J.Mairal,F.Bach,J.Ponce,G.Sapiro和A.Zisserman,图像恢复的非局部稀疏模型,in2009年IEEE第12届计算机视觉国际会议,IEEE,(2009),2272–2279。数字对象标识:10.1109/ICCV.2009.5459452。
|
[22] |
N.Pierazzo、M.Lebrun、M.E.Rais、J.-M.Morel和G.Facciolo,非局部双图像去噪2014 IEEE国际图像处理会议(ICIP),IEEE,(2014),813–817。
|
[23] |
S.Ramani公司, T.布鲁和M.Unser先生,Monte-carlo sure:常规去噪算法正则化参数的黑盒优化,IEEE传输。图像处理。,17(2008), 1540-1554. 数字对象标识:10.1109/TIP.2008.2001404。
|
[24] |
L.I.鲁丁, S.Osher公司和E.脂肪、基于非线性全变分的噪声去除算法,Physica D:非线性现象,60(1992), 259-268. 数字对象标识:2016年10月17日-2789(92)90242-F。
|
[25] |
C.M.斯坦因,多元正态分布的平均值的估计,Ann.Statist公司。,9(1981), 1135-1151. 数字对象标识:10.1214/aos/1176345632。
|
[26] |
S.唐, W·龚, W.李和王伟(W.Wang),基于局部和非局部全变分模型的非盲图像去模糊方法,信号处理,94(2014), 339-349. 数字对象标识:2016年10月10日/j.sigpro.2013.07.005。
|
[27] |
D.范德维尔和M.Kocher先生、基于Sur的非本地手段,IEEE信号处理。莱特。,16(2009), 973-976.
|
[28] |
P.文森特, H.拉罗谢尔, 一、拉朱伊, Y.本吉奥和P.-A.曼扎戈,堆叠去噪自动编码器:使用局部去噪标准学习深层网络中的有用表示,J.马赫。学习。物件。,11(2010), 3371-3408.
|
[29] |
M.Werlberger、T.Pock和H.Bischof,非局部全变差正则化运动估计,in2010年IEEE计算机学会计算机视觉和模式识别会议, (2010), 2464–2471.数字对象标识:10.1109/CVPR.2010.5539945。
|
[30] |
谢军,徐立,陈勇军,基于深度神经网络的图像去噪与修复,in神经信息处理系统研究进展, (2012), 341–349.
|
[31] |
K·张, W.Zuo(左), Y.Chen先生, D.孟和L.张,超越高斯去噪器:深度CNN的残差学习用于图像去噪,IEEE传输。图像处理。,26(2017), 3142-3155. 数字对象标识:10.1109/TIP.2017.2662206。
|
[32] |
K·张, W.左和L.Zhang先生,FFDNet:针对基于CNN的图像去噪的快速灵活解决方案,IEEE传输。图像处理。,27(2018), 4608-4622. 数字对象标识:10.1109年/月.2018.2839891年。
|
[33] |
X.Zhang,M.Burger,X.Bresson和S.Osher,用于反褶积和稀疏重建的Bregmaized非局部正则化,SIAM J.成像科学。,三(2010), 253–276.数字对象标识:10.1137/090746379.
|
[34] |
十、张和T.F.Chan先生,基于非局部总变分的小波修复,反向探测。成像,4(2010), 191-210. 数字对象标识:10.3934/ipi.2010.4.191。
|