常用的图像去噪方法,常用的去噪算法
点击上方“cqdl学习视界”,选择添加“星标”或“置顶”重磅干货,第一时间送达作者。CV说:“我喜欢计算机视觉。”
图像去噪是计算机视觉领域的传统方向。它在可见光图像、视频、核磁图像等处理中仍有广泛的应用。并引起了业界和学术界很多人的关注。基于BM3d(block-matching3d,2007)框架的一系列算法是该领域中众所周知的方法,它们结合了图像的非局部相似性和变换域的稀疏表示,并且今天仍然在CV的各个领域中有用。
今天发表的论文《acomprehensivecomparisonofmulti-dimensionalimagedenoisingmethods》对传统的图像去噪方法和深度学习方法进行了总结和比较,引用了191篇文献。
本文作者信息:
作者来自理海大学和华南理工大学。
论文链接:https://arxiv.org/abs/2011.03462
代码:https://github.com/zhaomingkong/deno伊辛-比较
图像去噪的目的是给出一幅有噪声的图像来恢复原始图像,只有当噪声模型难以估计时,图像的NLSS(非局部自相似)属性才成为该方法的主流。也就是说,自然图像中包含了相似的图像块,利用这一特征来恢复原始图像。NLSS安装前和安装后的性能示例:
传统图像去噪方法的过程(许多成功的BM3D框架方法):
也就是说,对噪声图像进行分组、协同过滤和聚合,从而获得结果图像。
传统多维图像数据去噪器;
基于DNN的去噪方法及其应用:
具有三个卷积层的简单CNN去噪框架的图示;
本文对人工合成的评价结果和真实世界的多维图像去噪数据集进行了详细综述。具体来源和下载方式请参考原文)。
有代表性的多维图像去噪方法和数据集发展历史;
样本数据集图像:
此外,为了评估该算法,作者发表了自己的IOCI数据集:
传统方法和基于DNN的方法在大约
真实彩色图像数据集
中的结果由PSNR和SSIM评估。(在实际彩色视频数据集上评估各种方法的细节:
此外,由于PSNR和SSIM对于图像去噪对图像质量的反应并不完美,作者做了大量的视觉效果评价:
1) CC15数据集(PSNR)(图8)。
2)轮询数据集(PSNR)(图9)。
3)ioci sinope 5s数据集(PSNR)(图10)。
4) IOCV数据集(彩色视频去噪)(图11))))))。
同样,笔者采用了用户调查打分的方式,得到了人工打分的结果:
在低计算量的前提下,FastDVDNet算法的效果表达是一致的。
CAVE数据集上高噪声水平为100时基于wndqc的去噪器比较结果:(图12)
在CAVE数据集上,xndcb noise={10,30,50,100}:(表7)))))))))时的质量和计算时间(分钟)的比较结果。
gn:中心
xndcb噪声下MSt-SVD和QRNN3D的平均PSNR/SSIM值和计算时间(分钟){ 10,20}(表8)
在真实世界的HHD数据集上,MSI去噪方法比较结果:(图13)
11%时高噪声水平下的去噪性能比较(图14)
当T1w、T2w和PDw数据被Rician噪声破坏时,不同方法的平均PSNR/SSIM值和计算时间(表9)
在估计噪声水平=19%的合成Brainweb T1w数据上对比较方法进行了视觉评估(图15)
在真实的OAS1 0112 T1w数据上对比较方法进行了视觉评估,估计噪声水平=3%(图16)
在真实OAS1 0092 T1w数据上对比较方法进行了目测评估,估计噪声水平=4.5%(图17)
在 [10,30]的五个数据集上比较CBM3D1的PSNR和SSIM值(图18)
PSNR和SSIM的6种不同实现(图19)
无图像缩放策略的CMSt-SVD方法和CMST-SVD方法的视觉效果比较:(图20)
当一个组中的所有面片都相同时,T-HOSVD应用于无噪声图像时的过度平滑效果(图21)
最后,作者得出结论:
1)BM3D算法在性能和效果上表现良好;
2)对于传统的仅从噪声观测中学习的降噪器,改进的奇异值分解(M-SVD)方法可以产生与许多基于wndqc的方法相似的结果;
3)基于DNN的方法虽然是在合成数据集上训练的(由于实际场景中不存在所需的标签数据,只能使用合成噪声图像的方法),但在实际测试中仍然表现出很强的泛化能力。
下载1:OpenCV-Contrib扩展模块中文版教程
在“
cqdl学视觉
”微信官方账号后台,回复:扩展模块中文教程
,
下载全网首个中文版OpenCV扩展模块教程,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理
等20多个章节。
下载2:Python视觉实战项目31讲
在“
cqdl学视觉
”微信官方账号后台,回复:Python视觉实战项目31讲
,
下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别
在内的31个视觉实用项目,帮助快校计算机视觉。
下载3:OpenCV实战项目20讲
在“
cqdl学视觉
”微信官方账号后台,回复:OpenCV实战项目20讲
,
,可以基于20
下载20个OpenCV
,实现OpenCV的高级学习。
实战项目
在“
下载4:leetcode算法开源书
”微信官方账号后台回复:cqdl学视觉
leetcode
即可下载。每道题都是运行时beats 100%开源好书,你值得拥有!交换组
欢迎加入读者微信官方账号,与同行交流。目前有SLAM、3D视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群。(以后会逐步细分)。请扫描以下微信号,加群。备注:“昵称学校/公司的研究方向”,例如:“诚实月饼上海交大视觉SLAM”。请按格式备注,否则不能通过。添加成功后,会根据研究方向邀请你进入相关微信群。