×
亚历山德罗·福伊;贾科莫·博拉奇

中心化非局部自相似。 （英语） Zbl 1398.68578号

国际计算机杂志。视觉。 120，第1期，78-110（2016）.
小结：当我们凝视一个场景时，我们的视觉敏锐度在注视点（由视网膜中央的中央凹成像）达到最大，并在视野的边缘迅速下降。这种现象称为中央凹。我们研究了中心凹在非局部图像滤波中的作用，安装了一种不同形式的自相似性：中心凹自相似性。我们认为图像去噪问题是评估自然图像描述性模型有效性的一种简单方法，并且我们表明，在非局部图像滤波中，中心凹自相似性远比传统的加窗自相似性有效。为了便于在非局部成像算法中使用凹坑，我们开发了一个通用框架，用于通过空间变化模糊设计补丁的凹坑算子。在这个框架中，我们构造了几个参数化算子族，包括各向异性算子族。引人注目的是，能够实现最佳去噪性能的中心凹算子是径向算子，与人类视觉系统的方向偏好完全一致。

引用于3文件

理学硕士：

68T45型 机器视觉和场景理解
94A08型 信息与通信理论中的图像处理（压缩、重建等）

软件：

怪胎;SIPI图像数据库;宝马三维;Matlab公司;SIFT公司
PDF格式BibTeX公司 XML格式引用
\textit{A.Foi}和\textit{G.Boracchi}，国际计算机杂志。视觉。120，第1号，第78--110条（2016；Zbl 1398.68578）
全文： 内政部 链接

参考文献：

[1] Alahi，A.、Ortiz，R.和Vandergheynst，P.（2012）。FREAK：快速视网膜关键点。IEEE CVPR会议记录（第510-517页）。
[2] 亚历山大，SK；俄勒冈州弗斯凯；Tsurumi，S，图像仿射自相似性的简单通用模型，第5112号，（2008），柏林·doi:10.1007/978-3-540-69812-8_19
[3] 阿里亚斯，P；Facciolo，G；卡塞勒斯，V；Sapiro，G，基于样本的图像修复的变分框架，IJCV，93，319-347，（2011）·Zbl 1235.94015号 ·doi:10.1007/s11263-010-0418-7
[4] Away，S；Whitaker，R，无监督、信息理论、自适应图像滤波的高阶图像统计，IEEE CVPR论文集，2，44-51，（2005）
[5] Baddeley，R，《自然图像的相关结构和空间表征的校准》，《认知科学》，21，351-372，（1997）·doi:10.1207/s15516709cog2103_4
[6] 巴拉斯，B；中野，L；Rosenholtz，R，《周边视觉的汇总统计表征解释了视觉拥挤》，《视觉杂志》，9，13，（2009）·数字对象标识代码：10.1167/9.12.13
[7] Barnsley，M.F.（1993）。到处都是分形波士顿：学术出版社·Zbl 0691.58001号
[8] 巴苏，A；Wiebe，K，《使用空间变化传感增强视频会议》，IEEE TSMC-A，28，137-148，（1998）
[9] Bigun，J.和Granlund，G.H.（1986年9月）。中心对称建模。EUSIPCO会议记录（第883-886页）。
[10] 布罗克莫尔，JR；Irwin，DE，《眼球运动与视觉记忆和视觉感知的整合》，《感知与心理物理学》，第67期，第495-512页，（2005年）·doi:10.3758/BF03193327
[11] 布亚德斯，A；科尔，B；Morel，J-M，《图像去噪算法综述及新算法》，MMS，4490，（2005）·兹比尔1108.94004 ·数字对象标识代码：10.1137/040616024
[12] 布亚德斯，A；科尔，B；莫雷尔，J-M，非局部图像和电影去噪，IJCV，76，123-139，（2008）·doi:10.1007/s11263-007-0052-1
[13] 布亚德斯，A；科尔，B；莫雷尔，J-M；Sbert，C，自相似性驱动的颜色去噪，IEEE TIP，18，1192-1202，（2009）·Zbl 1371.94063号
[14] 布亚德斯，A；科尔，B；Morel，J-M，图像去噪方法。新的非局部原理，SIAM Review，52，113-147，（2010）·Zbl 1182.62184号 ·数字对象标识代码：10.1137/090773908
[15] Buades，A.、Coll，B.和Morel，J.-M.（2011年）。非对数意味着去噪。2011年IPOL. ·Zbl 1182.62184号
[16] Chang，E-C；Mallat，S；Yap，C，小波中心凹，ACHA，9，312-335，（2000）·Zbl 0968.68186号
[17] Chatterjee，P.和Milanfar，P.（2008）。通过核回归对非局部均值进行推广。SPIE CI VI会议记录,6814，68140P-68140P-9。
[18] 查特吉，P；Milafar，P，去噪死了吗？，IEEE TIP，19895-911，（2010）·Zbl 1371.94082号
[19] Chierchia，G.、Pustelnik，N.、Pesquet，J.-C.和Pesquet-Popescu，B.（2014年3月）。用近似工具求解反问题的约束凸公式的图形分裂。arXiv:1210.5844v3·兹比尔1374.94069
[20] Chierchia，G.、Pustelnik，N.、Pesquet，J.-C.和Pesquet-Popescu，B.（2014a）。用于解决约束凸优化问题的图形投影和近似工具。SIVP公司（第1-13页）。
[21] Chierchia，G；普斯特尼克，N；佩斯奎特·波佩斯库，B；Pesquet，J-C，基于非局部结构张量的多分量图像恢复方法，IEEE TIP，23，5531-5544，（2014）·Zbl 1374.94069号
[22] Ciresan，D.、Giusti，A.、Gambardela，L.M.和Schmidhuber，J.（2012年）。深层神经网络在电子显微镜图像中分割神经元膜。NIPS会议记录（第2843-2851页）。
[23] Conn，A.R.、Scheinberg，K.和Vicente，L.（2009年）。无导数优化简介费城：SIAM·Zbl 1163.49001号 ·数字对象标识代码：10.1137/1.9780898718768
[24] Curcio，C；斯隆，K；卡利纳，R；亨德里克森，A，《人类感光器地形图》，《比较神经学杂志》，292497-523，（1990）·doi:10.1002/cne.902920402
[25] Dabov，K.、Foi，A.和Egiazarian，K.（2007年）。基于稀疏三维变换域协同滤波的视频去噪。EUSIPCO会议记录.
[26] 达波夫，K；Foi，A；Katkovnik，V；Egiazarian，K，稀疏三维变换域协同滤波图像去噪，IEEE TIP，16，2080-2095，（2007）
[27] Dabov，K.、Foi，A.、Katkovnik，V.和Egiazarian，K.（2008）。通过稀疏三维变换域协同滤波进行图像恢复。SPIE EI会议记录,6812, 681207-1-681207-12.
[28] Dabov，K.、Foi，A.、Katkovnik，V.和Egiazarian，K.（2009年）。基于形状自适应主成分分析的BM3D图像去噪。SPARS会议记录.
[29] Daly，S；Ribas-Corbera，J；Matthews，K，《与脸上的噪音一样简单：使用人脸检测和视觉偏心模型的自适应视频压缩》，JEI，10，30-46，（2001）
[30] Danielyan，A.、Foi，A.、Katkovnik，V.和Egiazarian，K.（2008年）。通过空间自适应块匹配滤波实现图像和视频超分辨率。LNLA会议记录.
[31] Danielyan，A；Katkovnik，V；Egiazarian，K，BM3D帧和变分图像去模糊，IEEE TIP，211715-1728，（2012）·Zbl 1373.94096号
[32] Darbon，J.、Cunha，A.、Chan，T.、Osher，S.和Jensen，G.（2008年5月）。快速非局部滤波在电子冷冻显微术中的应用。IEEE ISBI标准（第1331-1334页）。
[33] De Bonet，J.S.（1997）。通过检测信号冗余降低噪声麻省理工学院人工智能实验室：重新思考人工智能。
[34] Deledale，C-A；丹尼斯，L；Tupin，F，如何比较噪音补丁？超越高斯噪声的斑块相似性，IJCV，99，86-102，（2012）·Zbl 1254.68275号 ·文件编号：10.1007/s11263-012-0519-6
[35] 德梅耶，M；格雷夫，P；瓦格曼斯，J；Verfaillie，K，Transsaccadic对高度相似人工形状的识别，《视觉杂志》，9，28，（2009）·数字对象标识代码：10.1167/9.4.28
[36] Desbordes，G.（2007）。固定眼球运动中的视觉：来自心理物理学和神经建模的见解。波士顿大学博士论文。
[37] 董，B；叶，J；Osher，S；Dinov，I，基于水平集的非局部表面恢复，MMS，7589-598，（2008）·Zbl 1191.68781号 ·doi:10.1137/070705556
[38] 唐纳，K；Hemilä，S，《模拟微撞击对视网膜对静态对比模式的反应的影响》，《视觉研究》，47，1166-1177，（2007）·doi:10.1016/j.visres.2006.11.024
[39] RO邓肯；Boynton，GM，人类初级视觉皮层内的皮层放大率与敏锐度阈值相关，Neuron，38，659-671，（2003）·doi:10.1016/S0896-6273（03）00265-4
[40] 易卜拉希米，M；Vrscay，ER，使用“自示例”解决图像缩放的反问题，编号4633117-130，（2007），b·doi:10.1007/978-3-540-74260-9_11
[41] Ebrahimi，M.和Vrscay，E.R.（2008a）。在非本地人过滤器的上下文中检查规模的作用。ICIAR会议记录（第170-181页）
[42] Ebrahimi，M.和Vrscay，E.R.（2008b）。无显式运动估计的多帧超分辨率。IPCV会议记录.
[43] Eckstein，M.P.（2011）《视觉搜索：回顾》。JOV公司,11(5).
[44] 埃弗罗斯，A；Leung，T，通过非参数采样进行纹理合成，IEEE ICCV论文集，21033-1038，（1999）
[45] Elad，M；Datsenko，D，部署用于单个图像超分辨率重建的基于示例的正则化，《计算机杂志》，52，15-30，（2009）·doi:10.1093/comjnl/bxm008
[46] 恩伯特，R；Kliegl，R，在注视过程中，微撞击保持眼睛的平衡，《心理科学》，第15期，第431-431页，（2004年）·数字对象标识代码：10.1111/j.0956-7976.2004.00697.x
[47] 艾蒂安-康明斯，R；《明镜周刊》，J；穆勒，P；Zhang，M-Z，用于二维跟踪的中央凹硅视网膜，IEEE TCS，47，504-517，（2000）
[48] Foi，A；Boracchi，G，非局部图像滤波中的中心凹自相似性，SPIE HVE学报，I，8291，（2012）
[49] Foi，A.和Boracchi，G.（2013年9月A）。各向异性凹的非局部图像去噪。IEEE ICIP会议记录（第464-468页）。
[50] Foi，A.和Boracchi，G.（2013年b）。各向异性中央凹自相似性。SPARS会议记录（第1页），7月8日至11日·Zbl 1398.68578号
[51] Foi，A.和Boracchi，G.（2014）。非局部中央窝主要成分。IEEE研讨会SSP会议记录（第145-148页）·Zbl 1398.68578号
[52] 弗里曼，J；Simoncelli，EP，腹侧流的Metamers，《自然神经科学》，第14期，第1195-1201页，（2011年）·doi:10.1038/nn.2889
[53] 弗里曼，J；GJJ Brouwer；DJ Heeger；Merriam，EP，方向解码依赖于地图，而非列，《神经科学杂志》，31，4792-4804，（2011）·doi:10.1523/JNEUROSCI.5160-10.2011
[54] 弗里曼，W；琼斯，T；Pasztor，E，基于示例的超分辨率，IEEE CG&A，22，56-65，（2002）
[55] Froment，J，无参数快速像素线非局部均值去噪，IPOL，4300-326，（2014）·doi:10.5201/ipol.2014.120
[56] Garway-Heath，DF；Caprioli，J；菲茨克，FW；Hitchings，RA，Scaling the Hill of vision：光敏度与神经节细胞数量之间的生理关系，IOVS，411774-1782，（2000）
[57] 盖斯勒，W；佩里，J；超级，B；Gallogly，D，自然图像中的边缘共生预测轮廓分组性能，视觉研究，41，711-724，（2001）·doi:10.1016/S0042-6989（00）00277-7
[58] Geisler，W.S.和Perry，J.S.（1998年）。用于低带宽视频通信的实时中央多分辨率系统。SPIE HVEI会议记录（第294-305页）。
[59] 加泽尔，M；GH弗里曼；Vrscay，ER，分形图像去噪，IEEE TIP，121560-1578，（2003）
[60] Gilboa，G；Osher，S，应用于图像处理的非本地运营商，MMS，71005-1028，（2009）·Zbl 1181.35006号 ·doi:10.1137/070698592
[61] Grewenig，S；齐默，S；Weickert，J，用于非局部图像去噪的旋转不变相似性度量，视觉通信与图像R杂志，22，117-130，（2011）·doi:10.1016/j.jvcir.2010.11.001
[62] Haloi，M.（2015）。使用深度神经网络改进微动脉瘤检测。阿希夫：1505.04424。
[63] 赫维格，A；Schneider，WX，《跨眼跳预测物体特征：来自物体识别和视觉搜索的证据》，《实验心理学杂志：综述》，1431903-1922，（2014）·doi:10.1037/a0036781
[64] Jacquin，A，基于迭代压缩图像变换分形理论的图像编码，IEEE TIP，1，18-30，（1992）
[65] 詹宁斯，JAM；Charman，W，眼睛离轴调制传递函数的解析近似，视觉研究，37，697-704，（1997）·doi:10.1016/S0042-6989（96）00238-6
[66] 吉，Z；陈，Q；太阳，Q-S；Xia，D-S，一种基于矩的非局部均值图像去噪算法，IPL，1091238-1244，（2009）·Zbl 1206.68333号 ·doi:10.1016/j.ipl.2009.09.007
[67] Jin，Q.、Grama，I.和Liu，Q.（2011）。通过非局部加权优化去除高斯噪声。ArXiv:1109.5640。
[68] Joselevitch，C，《人类视网膜电路和生理学，心理学和神经科学》，第141-165页，（2008）·doi:10.3922/j.psns.2008.2.008
[69] Karlsson，S.和Bigun，J.（2011年3月）。对数螺旋码的合成和检测。SSBA程序（第4页）。
[70] Katkovnik，V；Foi，A；异烟肼，K；Astola，J，从局部核到非局部多模型图像去噪，IJCV，86，1-32，（2010）·Zbl 1477.94014号 ·doi:10.1007/s11263-009-0272-7
[71] 科尔夫兰，C；Boulanger，J，基于补丁的图像去噪的最佳空间自适应，IEEE TIP，152866-2878，（2006）
[72] Kervrann，C.、Boulanger，J.和Coupé，P.（2007年）。贝叶斯非局部均值滤波器、图像冗余和自适应字典用于噪声去除。2007年SSVM会议记录（第520-532页）。
[73] Kindermann，S；Osher，S；Jones，P，用非局部泛函对图像进行去模糊和去噪，MMS，41091-115，（2005）·兹比尔1161.68827 ·数字对象标识代码：10.1137/050622249
[74] Kortum，P.和Geisler，W.（1996年）。一种用于减少图像带宽的凹形图像编码系统的实现。SPIE HVEI会议记录（第350-360页）。
[75] Kowler，E，《眼球运动：过去25年》，《视觉研究》，511457-1483，（2011）·doi:10.1016/j.visres.2010.12.014
[76] Krishna，理学学士；伊帕塔，AE；比斯利，JW；戈特利布，J；Goldberg，ME，猴子自由观看视觉搜索期间中央窝外预览的益处，JOV，14，6，（2014）·doi:10.1167/14.1.6
[77] 托瑞，D；俄勒冈州弗斯凯；易卜拉希米，M；Barnsley，MF，测量值图像，相关分形变换，图像的仿射自相似性，SSIMS，2470-507，（2009）·Zbl 1175.94022号 ·数字对象标识代码：10.1137/070696763
[78] 勒布伦，M；布亚德斯，A；Morel，J-M，一种非局部贝叶斯图像去噪算法，SSIMS，61665-1688，（2013）·Zbl 1279.68331号 ·doi:10.1137/120874989
[79] Lee，S；帕蒂奇斯，M；Bovik，A，具有最佳速率控制的中心视频压缩，IEEE TIP，10977-992，（2001）·Zbl 1061.68560号
[80] 莱维克，W；Thibos，L，《猫视网膜定向偏差分析》，《生理学杂志》，329243，（1982）·doi:10.1113/jphysiol.182.sp014301
[81] 莱文，A；纳德勒，B；杜兰德，F；Freeman，WT，补丁复杂性，有限像素相关性和最佳去噪，ECCV学报，5，73-86，（2012）
[82] Li，Y.和Huttenlocher，D.（2008）。稀疏长程随机场及其在图像去噪中的应用。ECCV会议记录（第5304卷，第344-357页），LNCS
[83] Lou，Y.、Favaro，P.、Soatto，S.和Bertozzi，A.（2009年）。非局部相似性图像滤波。ICIAP会议记录（第62-71页）。
[84] Louchet，C；Moisan，L，作为局部过滤器的总变化，SSIMS，4651-694，（2011）·Zbl 1219.94008号 ·数字对象标识代码：10.1137/100785855
[85] Lowe，DG，《尺度不变关键点的独特图像特征》，国际期刊，60，91-110，（2004）·doi:10.1023/B:VISI.0000029664.99615.94
[86] 吕，S；Simoncelli，E，用高斯混合场对摄影图像的多尺度子带建模，IEEE TPAMI，31，693-706，（2009）·doi:10.1109/TPAMI.2008.107
[87] 马吉奥尼，M；Boracchi，G；Foi，A；Egiazarian，K，通过可分离的4-D非局部时空变换进行视频去噪、去块和增强，IEEE TIP，21，3952-3966，（2012）·Zbl 1373.94272号
[88] 马哈茂迪，M；Sapiro，G，通过相似邻域的非局部方法进行快速图像和视频去噪，IEEE SPL，12839-842，（2005）
[89] Maleki，A；Narayan，M；Baraniuk，RG，各向异性非局部平均值，ACHA，35，452-482，（2013）·兹比尔1336.94011
[90] Manjon-Herrera，J.V.和Buades，A.（2008）。非对数意味着滤波器，Matlab代码。Matlab中央文件交换http://www.mathworks.com/matlabcentral/fileexchange/13176-non-local-mans-filter。
[91] Martinez-Conde，S；Otero Millan，J；Macknik，SL，《微突击对视觉的影响：迈向扫视功能的统一理论》，《自然评论神经科学》，第14期，第83-96页，（2013年）·doi:10.1038/nrn3405
[92] 麦卡伊，MB；奥特罗·米伦，J；Macknik，SL；杨，Y；特隆科索，XG；贝尔，SM；克鲁克，山猫；Martinez-Conde，S，微疫苗对中心凹和外周视力的疗效和贡献，《神经科学杂志》，32，9194-9204，（2012）·doi:10.1523/JNEUROSCI.0515-12.2012
[93] Milanfar，P，《现代图像过滤之旅：实践和理论上的新见解和方法》，IEEE SPM，30，106-128，（2013）·doi:10.1109/MSP.2011.2179329
[94] 摩纳哥，JP；博维克，AC；Cormack，LK，主动，中央凹，未校准立体视觉，IJCV，85，192-207，（2009）·doi:10.1007/s11263-009-0230-4
[95] Mosseri，I.、Zontak，M.和Irani，M.（2013）。结合了内部和外部去噪的能力。IEEE ICCP会议记录（第1-9页）。
[96] Olmedo-Payá，A.、Martínez-álvarez，A.、Cuenca-Asensi，S.、Ferrández-Vicente，J.和Fernánde z，E.（2013）。模拟自然场景中注视眼球运动的效果。计算和生物学中的自然和人工模型（第7930卷，第332-341页），LNCS。
[97] Orchard，J.、Ebrahimi，M.和Wong，A.（2008年10月）。有效的非局部意味着使用奇异值分解进行去噪。ICIP会议记录（第1732-1735页）。
[98] Osindero，S；韦林，M；GE Hinton，《应用于自然场景统计的地形产品模型》，神经计算，18，381-414，（2006）·兹比尔1095.68648 ·doi:10.1162/089976606775093936
[99] Peyré，G，《纹理的稀疏建模》，《数学成像与视觉杂志》，34，17-31，（2009）·文件编号：10.1007/s10851-008-0120-3
[100] Peyré，G，信号和图像的流形模型，CVIU，113，249-260，（2009）
[101] 波莱蒂，M；Listorti，C公司；Rucci，M，《显微镜下眼球运动补偿中央凹内的非均匀视觉》，《当代生物学》，第23期，1691-1695页，（2013）·doi:10.1016/j.cub.2013.07.007
[102] Postec，S.（2012年）。相似性、规则性和parcimonie属性的图像检索布列塔尼苏德大学博士论文。
[103] 普罗特，M；Elad，M；武田，H；Milanfar，P，将非局部方法推广到超分辨率重建，IEEE TIP，18，36-51，（2009）·Zbl 1371.94300号
[104] 兰扎托，M；Mnih，V；Susskind，J；Hinton，G，使用门控mrfs建模自然图像，IEEE TPAMI，35，2206-2222，（2013）·doi:10.1109/TPAMI.2013.29
[105] Rosenholtz，R.、Huang，J.、Raj，A.、Balas，B.J.和Ilie，L.（2012年）。外围视觉中的一个汇总统计表示解释了视觉搜索。JOV公司12(4).
[106] Rosman，G.、Dubrovina，A.和Kimmel，R.（2013）。补丁协作谱点云去噪。计算机图形论坛.
[107] 罗斯，S；布莱克，M，《专家领域：学习图像先验的框架》，IEEE CVPR学报，2860-867，（2005）
[108] 鲁奇，M；艾文，R；波莱蒂，M；Santini，F，《微型眼球运动增强精细空间细节》，《自然》，447852-855，（2007）·doi:10.1038/nature05866
[109] Salmon，J，关于用非局部平均值去噪的两个参数，IEEE SPL，17，269-272，（2010）
[110] 佐佐木，Y；拉吉梅尔，R；Kim，B；埃克斯特罗姆，L；范达菲尔，W；Tootell，R，《径向偏差：人类和非人类灵长类动物视觉方向敏感性的不同倾向》，《神经元》，51661-670，（2006）·doi:10.1016/j.neuron.2006.07.021
[111] 佐佐木，Y；Rajimehr，右；Kim，BW；Knutsen，T；埃克斯特罗姆，L；戴尔，A；范达菲尔，W；Tootell，R，人类和非人类灵长类动物的径向定向效应，JOV，6916-916，（2006）·doi:10.1167/6.6.916
[112] 西格曼，M；佐治亚州切基；吉尔伯特，CD；密苏里州马格纳斯科（Magnasco），《论一个共同的圈：自然场景和格式塔规则》（On a common circle:natural scenes and gestalt rules），美国国家科学院，98，1935-1940，（2001）·doi:10.1073/pnas.98.4.1935
[113] Strasburger，H.、Rentschler，I.和Jüttner，M.（2011）。周边视觉和模式识别：综述。JOV公司11(5).
[114] Sutour，C；Deledale，C-A；Aujol，J-F，NL-man的自适应正则化：图像和视频去噪的应用，IEEE TIP，233506-3521，（2014）·Zbl 1374.94362号
[115] Tasdizen，T，非局部均值图像去噪的主要邻域字典，IEEE TIP，18，2649-2660，（2009）·Zbl 1371.94366号
[116] Thaipanich，T.、Oh，B.、Wu，P.-H.、Xu，D.和Kuo，C.-C.（2010年）。用自适应非局部均值（ANL-means）算法改进图像去噪。IEEE TCE（电气与电子工程师协会）,56(4), 2623-2630.
[117] 脚趾，A；Levi，DM，副中央凹空间相互作用区的二维形状，视觉研究，321349-1357，（1992）·doi:10.1016/0042-6989（92）90227-A
[118] Tomasi，C.和Manduchi，R.（1998年）。灰度和彩色图像的双边滤波。ICCV会议记录（第839-846页）。
[119] 童，F；Li，Z-N，空间变量传感的互易楔变换，IEEE TPAMI，17500-511，（1995）·数字对象标识代码：10.1109/34.391393
[120] 托拉尔巴，A；Oliva，A，《自然图像类别的统计》，《网络：神经系统中的计算》，第14期，第391-412页，（2003年）·doi:10.1088/0954-898X_14_3_302
[121] USC-SIPI。（2016年）。南加州大学信号与图像处理研究所图像数据库。http://sipi.usc.edu/database/。
[122] 沙夫，A；Hateren，J，《自然图像功率谱建模：统计与信息》，《视觉研究》，362759-2770，（1996）·doi:10.1016/0042-6989（96）00002-8
[123] Wallace，RS；翁，P-W；Bederson，BB；Schwartz，EL，空间变量图像处理，IJCV，13，71-90，（1994）·doi:10.1007/BF01420796
[124] Wandell，B.A.（1995年）。愿景基础桑德兰：西纳埃尔协会。
[125] Wang，J.、Guo，Y.、Ying，Y.，Liu，Y.和Peng，Q.（2006年10月）。图像去噪的快速非局部算法。IEEE ICIP会议记录（第1429-1432页）。
[126] 王，Z；Bovik，A，嵌入式中央窝图像编码，IEEE TIP，101397-1410，（2001）·Zbl 1039.68796号
[127] Wang，Z.和Bovik，A.（2006）。凹入图像和视频编码。数字视频、图像质量和感知编码（第431-457页）。
[128] 王，Z；博维克，AC；Sheikh，人力资源部；Simoncelli，EP，《图像质量评估：从误差测量到结构相似性》，IEEE TIP，13，600-612，（2004）
[129] 魏，J；Li，Z-N，带中心凹小波变换的高效基于差异的凝视控制，IEEE/RSJ IROS论文集，2866-871，（1998）
[130] Wei，L.-Y.，&Levoy，M.（2000）。使用树结构矢量量化的快速纹理合成。SIGGRAPH会议记录（第479-488页）。
[131] CF魏曼；Chaikin，G，图像处理和显示对数螺旋网格，CGIP，11，197-226，（1979）
[132] Weiss，Y.和Freeman，W.（2007年）。是什么造就了一个好的自然图像模型？IEEE CVPR会议记录（第1-8页）。
[133] Wertheim，T，U ber die indirekte sehschärfe，Zeitschrift für Psychologie und Physiologie der Sinnesorgae，7172-187，（1894）
[134] Williams博士；阿塔尔，P；纳瓦罗，R；麦克马洪，MJ；Brainard，DH，人眼离轴光学质量和视网膜采样，视觉研究，361103-1114，（1996）·doi:10.1016/0042-6989（95）00182-4
[135] Wodnicki，R.，Roberts，G.，&Levine，M.（1995）标准CMOS技术中的凸起图像传感器。CCIC会议记录（第357-360页）。
[136] 雅罗斯拉夫斯基（1985）。数字图像处理。导言柏林：施普林格·Zbl 0585.94001号 ·doi:10.1007/978-3-642-81929-2
[137] 张，D；王，Z，基于长程相关的图像信息恢复，IEEE TCSVT，12，331-341，（2002）
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不声称其完整性或完全匹配。