[论文解读] RENOIR - A Benchmark Dataset for Real Noise Reduction Evaluation.

Josue Anaya, Adrian Barbu|arXiv (Cornell University)|Sep 29, 2014

Image and Signal Denoising Methods参考文献 8被引用 18

一句话总结

本文提出了RENOIR，一个包含400多张在不同低光照条件下拍摄的真实、未经处理的彩色图像的基准数据集，每组场景均配有高噪声和低噪声图像对。该研究评估了当前最先进的去噪算法——BM3D、活动随机场（Active Random Field）和多层感知机（Multi-Layer Perceptron），发现尽管BM3D显著慢于其他方法，但其性能最佳。

ABSTRACT

Abstract—In this paper we introduce a dataset of uncom-pressed color images taken with three digital cameras and exhibiting different levels of natural noise due to low-light conditions. For each scene there are on average two low-noise and two high noise images that are aligned at the pixel level both spatially and in intensity. The dataset contains over 100 scenes and more than 400 images, including both RAW formatted images and 8 bit BMP pixel and intensity aligned images. We also introduce a method for estimating the true noise level in each of our images. We use our dataset to analyze three current state of the art denoising algorithms: Active Random Field, BM3D, and Multi-Layer Perceptron. We found that BM3D obtains the best denoising results, however it is the slowest of the three methods with Active Random Field taking only a few seconds and Multi-Later Perceptron and BM3D taking a few minutes to half an hour to denoise a 10 to 18 mega-pixel image. Index Terms—image denoising, real camera noise, image dataset I.

研究动机与目标

• 为在自然噪声条件下评估图像去噪算法提供标准化的真实世界数据集。
• 提供在受控低光照场景下拍摄的多样化真实相机噪声数据。
• 通过真实、未经处理的图像，实现对当前先进去噪算法的公平且可复现的比较。
• 开发一种可靠的方法，用于估计真实相机图像中的真实噪声水平。

提出的方法

• 使用三台数码相机在不同光照条件下采集超过100个场景，以获取每组场景的高噪声和低噪声图像对。
• 在像素级别对齐图像，以确保所有图像对在空间和强度上的一致性。
• 提供RAW和8位BMP两种格式，以支持多样化的算法评估。
• 提出一种噪声估计方法，用于量化每张图像中的真实噪声水平。
• 在数据集上评估三种领先的去噪算法——活动随机场、BM3D和多层感知机。
• 使用定量指标和图像处理时间（针对10至1800万像素图像）衡量性能。

实验结果

研究问题

• RQ1 当前最先进的去噪算法在具有自然噪声的真实世界、未经处理的相机图像上的表现如何？
• RQ2 不同算法在噪声水平与去噪性能之间存在何种关系？
• RQ3 在真实图像数据上，领先去噪方法之间的计算效率如何比较？
• RQ4 是否可以将一种可靠的噪声水平估计方法应用于真实相机图像，以支持公平评估？

主要发现

• 在RENOIR数据集中，BM3D在所评估的算法中实现了最高的去噪性能。
• 活动随机场是最快的方法，可在数秒内完成1000万至1800万像素图像的去噪处理。
• 多层感知机和BM3D处理相同图像大小则需数分钟至半小时，表明其计算成本较高。
• 所提出的噪声估计方法能够准确量化真实相机图像中的真实噪声水平。
• 该数据集使得在真实世界条件下对去噪算法进行一致且可复现的评估成为可能。
• 结果凸显了去噪质量与计算效率之间的权衡，BM3D在牺牲速度的前提下提供了最佳质量。