×
杨汉梅;陆健;张恒;罗，叶;陆建伟

专家们将非局部低秩矩阵近似正则化用于图像去噪。 （英语） Zbl 1492.94027号

J.计算。申请。数学。 412，文章ID 114244，第16页（2022）.
摘要：噪声退化图像的恢复是各种成像技术必不可少的预处理步骤。非局部低秩矩阵近似由于能够恢复图像中潜在的低秩结构而被成功地应用于图像去噪。遗憾的是，现有的秩最小化模型忽略了图像块之间的相关性，在遇到强噪声时性能会下降。为了解决这个问题，我们提出了一个专家领域正则化非局部低秩矩阵近似（RFoE）去噪模型，该模型将全局专家领域（FoE）正则化、保真度项和非局部低阶约束集成到一个统一的框架中。采用加权核范数作为低阶约束，利用FoE先验获取全局结构信息。基于半二次分裂的交替方向最小化算法可以有效地求解该模型。大量实验结果表明，该RFoE模型具有优越的性能。

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
65层55 低阶矩阵逼近的数值方法；矩阵压缩

关键词：

非局部低秩;加权核范数;专家领域;图像去噪;半二次分裂

软件：

FFD网络;iPiano公司;DnCNN公司
PDF格式BibTeX公司 XML格式引用
\textit{H.Yang}等人，J.Compute。申请。数学。412，文章ID 114244，16 p.（2022；Zbl 1492.94027）
全文： 内政部

参考文献：

[1] 黄，Y.-M。；莫伊桑，L。；Ng，M.K.先生。；Zeng，T.，通过学习字典消除乘法噪声，IEEE Trans。图像处理。，21, 11, 4534-4543 (2012) ·Zbl 1373.94180号
[2] Ghofrani，S。；Jahed-Motlagh，M。；Ayatollahi，A.，基于nakagami分布的自适应斑点抑制滤波器（EUROCON’2001）。国际通信趋势会议。技术计划，论文集，第1卷。EUROCON’2001。国际通信趋势会议。技术计划，论文集，第1卷，目录。编号：01EX439（2001），IEEE），84-87
[3] 他，W。；张，H。；沈，H。；Zhang，L.，使用局部低阶矩阵恢复和全局空间谱总变差的高光谱图像去噪，IEEE J.Sel。顶部。申请。地球天体遥感，11，3，713-729（2018）
[4] 卢，J。；Yang，H。；沈，L。；Zou，Y.，基于学习词典和高阶MRF的超声图像恢复，Comput。数学。申请。，77, 4, 991-1009 (2019) ·Zbl 1442.92081号
[5] Sagheer，S.V.M。；George，S.N.，《使用低秩矩阵近似方法进行超声图像去噪》，《生物识别》。信号处理。控制，38，236-249（2017）
[6] Yang，H。；李，J。；沈，L。；Lu，J.，用于恢复被乘性噪声污染的SAR图像的凸变分模型，数学。问题。工程，2020（2020）·Zbl 1459.94023号
[7] 托马西，C。；Manduchi，R.，灰度和彩色图像的双边滤波，（第六届计算机视觉国际会议，第六届国际计算机视觉会议，IEEE分类号98CH36271（1998），IEEE），839-846
[8] Benesty，J。；陈，J。；Huang，Y.，用于降噪的广泛线性维纳滤波器的研究，（2010年IEEE声学、语音和信号处理国际会议（2010），IEEE），205-208
[9] 辛格，H。；Kommuri，S.V.R。；库马尔，A。；Bajaj，V.，使用改进的布谷鸟搜索优化进行基于引导滤波器的图像去噪的新技术，专家系统。申请。，176，第114884条pp.（2021）
[10] Shi，M。；张，F。；王，S。；张，C。；Li，X.，基于稀疏表示和奇异值分解的基于补丁结构相似性的细节保持图像去噪，计算。视觉。图像下划线。，206，第103173条pp.（2021）
[11] 顾S。；谢奇。；孟，D。；左，W。；X·冯。；Zhang，L.，加权核范数最小化及其在低水平视觉中的应用，国际计算机杂志。视觉。，121, 2, 183-208 (2017) ·Zbl 1458.68231号
[12] 陈，Y。；Xiao，X。；Zhou，Y.，彩色图像处理的低秩四元数近似，IEEE Trans。图像处理。，29, 1426-1439 (2019) ·兹伯利07585964
[13] 组合，P.L。；Pesquet，J.-C.，小波约束图像恢复，国际小波多分辨率。信息处理。，2, 04, 371-389 (2004) ·Zbl 1121.94007号
[14] Dabov，K。；Foi，A。；Katkovnik，V。；Egiazarian，K.，稀疏三维变换域协同滤波图像去噪，IEEE Trans。图像处理。，16, 8, 2080-2095 (2007)
[15] 张凯。；左，W。；陈，Y。；孟，D。；Zhang，L.，超越高斯去噪器：用于图像去噪的深度cnn残差学习，IEEE Trans。图像处理。，26, 7, 3142-3155 (2017) ·Zbl 1409.94754号
[16] 张凯。；左，W。；Zhang，L.，FFDNet：基于CNN的图像去噪的快速灵活解决方案，IEEE Trans。图像处理。，27, 9, 4608-4622 (2018)
[17] A.布莱克。；科尔里，P。；Rother，C.，《视觉和图像处理的马尔可夫随机场》（2011），麻省理工学院出版社·Zbl 1236.68001号
[18] Ruderman，D.L.，《自然图像的统计》，《网络：计算》。神经系统。，5，4517-548（1994年）·Zbl 0824.92030号
[19] 亚诺威，C。；Meltzer，T。；韦斯，Y。；Bennett，K.P。；Parrado-Hernández，E.，线性规划松弛和信念传播——一项实证研究，J.Mach。学习。第7、9号决议（2006年）·Zbl 1222.90033号
[20] Neher，R。；Srivastava，A.，使用高光谱成像标记地形的贝叶斯MRF框架，IEEE Trans。地质科学。遥感，43，6，1363-1374（2005）
[21] Geman，D。；Reynolds，G.，《约束恢复和不连续性恢复》，IEEE Trans。模式分析。机器。智力。，14367-383（1992年）
[22] A.布莱克。；Zisserman，A.，《视觉重建》（1987），麻省理工学院出版社
[23] 罗斯，S。；布莱克，M.J.，《专家领域》，国际计算机杂志。视觉。，82, 2, 205 (2009) ·Zbl 1477.68419号
[24] Samuel，K.G。；Tappen，M.F.，在连续值MRF模型中学习优化MAP估计，（2009年IEEE计算机视觉和模式识别会议（2009年），IEEE），477-484
[25] 陈，Y。；Pock，T。；Ranftl，R。；Bischof，H.，《重新审视基于滤波器的MRF图像恢复的特定损失训练》，（德国模式识别会议（2013），施普林格），271-281
[26] 陈，Y。；Ranftl，R。；Pock，T.，深入分析算子学习：从基于补丁的稀疏模型到高阶MRF，IEEE Trans。图像处理。，23, 3, 1060-1072 (2014) ·Zbl 1374.94065号
[27] Fazel，M.，矩阵秩最小化及其应用（2002），斯坦福大学（博士论文）
[28] F.Nie，H.Huang，C.Ding，通过有效schatten p-范数最小化实现低秩矩阵恢复，载《AAAI人工智能会议论文集》，第26卷，第1期，2012年。
[29] 张，D。；胡，Y。；Ye，J。；李，X。；He，X.，通过截断核规范正则化完成矩阵，（2012年IEEE计算机视觉和模式识别会议（2012），IEEE），2192-2199
[30] S.Gu，L.Zhang，W.Zuo，X.Feng，加权核范数最小化及其在图像去噪中的应用，载《IEEE计算机视觉与模式识别会议论文集》，2014年，第2862-2869页。
[31] 谢，Y。；顾S。；刘，Y。；左，W。；张伟。；张，L.，图像去噪和背景减法的加权schatten范数最小化，IEEE Trans。图像处理。，25, 10, 4842-4857 (2016) ·Zbl 1408.94731号
[32] 黄，Y。；廖，G。；Xiang，Y。；张，L。；李，J。；Nehorai，A.，通过广义加权迭代核范数和frobenius范数的低秩近似，IEEE Trans。图像处理。，29, 2244-2257 (2019) ·Zbl 1518.94009号
[33] Moussouris，J.，Gibbs和Markov约束随机系统，J.Stat.Phys。，10, 1, 11-33 (1974)
[34] 阿贝莱兹，P。；Maire，M。；Fowlkes，C。；Malik，J.，轮廓检测和分层图像分割，IEEE Trans。模式分析。机器。智力。，33, 5, 898-916 (2010)
[35] 坎迪斯，E.J。；Wakin，M.B。；Boyd，S.P.，《通过重加权l 1最小化增强稀疏性》，J.Fourier Ana。申请。，14, 5-6, 877-905 (2008) ·Zbl 1176.94014号
[36] 冯·W。；乔·H。；陈毅，基于高阶自然图像先验模型的泊松噪声抑制，SIAM J.Imaging Sci。，9, 3, 1502-1524 (2016) ·Zbl 1352.49006号
[37] 徐，Z.-h。；邓玉可。；Wang，R.，深入研究去斑点SAR图像的先验学习，IET雷达，声纳导航。，10, 9, 1611-1618 (2016)
[38] Keller，J.M。；格雷，M.R。；Givens，J.A.，《模糊k近邻算法》，IEEE Trans。系统。人类网络。，4, 580-585 (1985)
[39] L.Xu，C.Lu，Y.Xu，J.Jia，通过L0梯度最小化进行图像平滑，载于：2011年SIGGRAPH亚洲会议论文集，2011年，第1-12页。
[40] Ochs，P。；陈，Y。；布罗克斯，T。；Pock，T.，Ipiano：非凸优化的惯性近似算法，SIAM J.成像科学。，7, 2, 1388-1419 (2014) ·Zbl 1296.90094号
[41] Osher，S。；汉堡，M。；Goldfarb，D。；徐，J。；Yin，W.，基于全变分的图像恢复的迭代正则化方法，多尺度模型。模拟。，4, 2, 460-489 (2005) ·1090.94003赞比亚比索
[42] Buades，A。；科尔·B。；Morel，J.-M，图像去噪的非局部算法，（2005 IEEE计算机学会计算机视觉和模式识别会议，第2卷）。2005年IEEE计算机学会计算机视觉和模式识别会议，第2卷，CVPR’05s（2005），IEEE），60-65·Zbl 1108.94004号
[43] Deledale，C.-A。；丹尼斯，L。；Tupin，F.，基于概率补丁权重的迭代加权最大似然去噪，IEEE Trans。图像处理。，18, 12, 2661-2672 (2009) ·Zbl 1371.94108号
[44] 亚哈龙，M。；Elad，M。；Bruckstein，A.，K-SVD：一种为稀疏表示设计过完备字典的算法，IEEE Trans。信号处理。，54, 11, 4311-4322 (2006) ·Zbl 1375.94040号
[45] 塞特本，M。；Elad，M。；Milafar，P.，深度k-svd去噪，IEEE Trans。图像处理。，30, 5944-5955 (2021)
[46] Willmott，C.J。；Matsuura，K.，在评估平均模型性能时，平均绝对误差（MAE）优于均方根误差（RMSE）的优点，Clim。研究，30，1，79-82（2005）
[47] 王，Z。；博维克，A.C。；谢赫，H.R。；Simoncelli，E.P.，《图像质量评估：从错误可见性到结构相似性》，IEEE Trans。图像处理。，13, 4, 600-612 (2004)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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，而不要求完整或完全匹配。