Feb, 2024

基于绿色通道先验的彩色图像去噪

PDF
TL;DRRGB 空间中的噪声去除仍然是一个具有挑战性的任务，因为现实世界图像的噪声统计数据在红、绿和蓝通道上可能存在差异。本文提出了一种简单有效的基于绿色通道优先（GCP）的图像去噪方法，目的是在 sRGB 空间中利用 GCP 将其集成到经典的非本地变换域去噪框架中。实验结果表明，该方法在彩色图像和视频去噪任务中具有竞争力的性能。
noise removalrgb spacegreen channel priorimage denoisingnonlocal transform domain
发现论文，激发创造
  • 多通道加权核范数最小化用于实际彩色图像去噪

    本研究提出了一种基于多通道优化模型的加权核范数最小化方法进行真实彩色图像去噪的算法，该方法采用权重矩阵平衡三个通道的数据保真度并引入可用于通道冗余的 RGB 贴片，通过交替方向乘子法解决该 MC-WNNM 模型，实验结果表明该算法在合成和真实噪声图像数据集上优于现有的去噪方法。

    May, 2017

  • 用于有效联合去马赛克 - 去噪的残差学习

    本文提出了一种优于当前最先进方法的图像去马赛克和降噪算法，该算法将传统的 CFA 处理流程中的处理顺序颠倒，首先进行图像去马赛克，然后进行降噪，避免了传统方法中的众多问题。算法利用卷积神经网络进行实现并具有处理高噪声的能力。

    Sep, 2020

  • 应用生成式色彩先验实现鲜艳多样的图像上色

    本文提出了一种称为 GCP-Colorization 的自动上色方法，它利用先前预训练的生成对抗网络（GAN）中丰富且多样化的颜色先验知识，并利用 GAN 编码器 “检索” 匹配特征，然后通过引入特征调节到上色过程中，实现了单次前向传递产生生动颜色的效果，此外，该方法具有可解释性和可控性，并能够通过修改 GAN 潜在代码获得不同的结果。

    Aug, 2021

  • 基于归一化流的 sRGB 相机噪点建模

    提出了一种基于归一化流的 sRGB 域噪声模型，能够学习不同 ISO 级别下 sRGB 图像中的复杂噪声分布，相比其他模型在噪声建模和合成任务中表现出了较大的优势，并且表明使用该模型合成噪声图像进行训练的图像去噪器优于使用基线模型去噪训练的去噪器。

    Jun, 2022

  • 卷积神经网络的非局部彩色图像去噪

    本研究提出了一种基于非局部图像模型的新型深层网络结构，用于灰度和彩色图像去噪，并通过实验验证，表明该非局部模型在所有测试噪声水平下均实现了最佳的去噪性能，同时能够与卷积神经网络进行直接连接，并利用深度学习中 GPU 计算的最新进展，在其固有的并行性上实现高效实现。

    Nov, 2016

  • 基于分块对称对角化表示的彩色图像和多光谱图像去噪

    本文就基于块对角矩阵的波斯基级联以及本地主成分分析变换等方法提出了一个简单的变换 - 阈值 - 反演方法，该方法在处理多通道图像降噪方面具有高效性和竞争力，并在大量的实验中展示了稳健性和效果。

    Feb, 2019

  • 一种新的截断范数调整方法用于多通道彩色图像降噪

    本文提出了一种基于双重加权截断核范数减去截断 Frobenius 范数最小化的方法，通过利用噪声图像的非局部自相似性来聚合类似结构并构建一系列类似的补丁矩阵，每个组采用 DtNFM 模型来估计其去噪版本，提供了处理复杂噪声分布的足够灵活性，并通过 ADMM 框架最小化问题。

    Jul, 2023

  • 基于图像的点云颜色信息快速去噪

    本文提出了一种快速图形化去噪方法（FGBD），用于大规模点云的实时去噪，通过快速图形构建、快速噪声估计以及低成本滤波器选择，可以在维持准确性的同时大幅减少处理时间。

    Jan, 2024

  • BigColor: 自然图像生成式颜色先验着色

    本研究提出了一种名为 BigColor 的彩色图像上色方法，通过学习生成色彩先验来减轻以前的生成先验对图像结构和颜色的合成负担，并使用一种基于 encoder-generator 网络的方法来扩展其表示空间以覆盖各种野外图像结构，提供了具有极强表现力和多模彩色方案的彩色图像上色模型。

    Jul, 2022

  • 利用高斯过程从 RGB 图像恢复高光谱信息

    该研究提出一种使用高斯过程和自然光谱相结合的方法，从已知光谱量化的 RGB 图像中恢复光谱细节，通过对具有空间和光谱相关性的高光谱训练补丁聚类，匹配和编码 RGB 图像的补丁来实现，数个高光谱数据集的实验表明该技术对 RGB 图像的光谱细节提取有效。

    Jan, 2018