[论文解读] A Brief Review of Real-World Color Image Denoising

Zhaoming Kong, Xiaowei Yang|arXiv (Cornell University)|Sep 10, 2018

Image and Signal Denoising Methods参考文献 9被引用 4

一句话总结

本文综述了真实世界彩色图像去噪方法，重点强调非局部相似性与变换域技术的结合。引入了一个包含自然户外场景的新数据集，并表明CBM3D与MS-TSVD达到最先进性能，所提出的重采样-去噪策略显著提升了视觉平滑度，但伴随一定程度的细节损失。

ABSTRACT

Filtering real-world color images is challenging due to the complexity of noise that can not be formulated as a certain distribution. However, the rapid development of camera lens pos- es greater demands on image denoising in terms of both efficiency and effectiveness. Currently, the most widely accepted framework employs the combination of transform domain techniques and nonlocal similarity characteristics of natural images. Based on this framework, many competitive methods model the correlation of R, G, B channels with pre-defined or adaptively learned transforms. In this chapter, a brief review of related methods and publicly available datasets is presented, moreover, a new dataset that includes more natural outdoor scenes is introduced. Extensive experiments are performed and discussion on visual effect enhancement is included.

研究动机与目标

• 提供基于非局部相似性与变换域技术的现有真实世界彩色图像去噪方法的全面综述。
• 通过引入包含多样化自然户外场景的新数据集，解决现有数据集主要由室内场景主导的局限性。
• 在真实条件下评估最先进去噪方法的有效性与效率，特别是针对大规模户外图像。
• 通过图像重采样与先进滤波技术，探究提升视觉质量的实用策略，尤其在均质与噪声区域。
• 将商业软件（Neat Image）与开源方法进行比较，并分析在伪影抑制与细节保留之间的权衡。

提出的方法

• 采用非局部与变换域框架，包含三个步骤：相似块分组、变换域中的协同滤波，以及聚合。
• 使用预定义或学习得到的变换，如DCT、PCA、SVD、基于张量的4DHOSVD，以及维纳滤波，以稀疏表示图像块。
• 通过色度-亮度（CBM3D）或色调-饱和度-值等变换实现色彩特异性建模，以利用通道间的相关性。
• 提出一种新颖的重采样-去噪策略：在去噪前对噪声图像进行下采样（使用MS-TSVD），然后通过双三次插值上采样，以提升平滑度。
• 利用同一场景多次拍摄图像的平均值生成真实图像，以模拟干净参考数据。
• 在多个数据集上，包括新引入的高分辨率户外场景数据集，使用PSNR与SSIM评估方法性能。

实验结果

研究问题

• RQ1 现有真实世界彩色图像去噪方法在先前数据集未涵盖的大规模自然户外场景中表现如何？
• RQ2 最先进方法如CBM3D与MS-TSVD，与商业软件Neat Image相比，在视觉与定量指标上的权衡是什么？
• RQ3 重采样-去噪策略是否能在不显著降低细节的前提下，改善均质区域的视觉平滑度？
• RQ4 在处理真实图像中复杂的信号依赖性噪声时，不同变换技术（如DCT、SVD、张量基）的表现如何比较？
• RQ5 在光照变化多端的挑战性户外场景中，分组与滤波策略的选择在多大程度上影响性能？

主要发现

• CBM3D在PSNR与SSIM指标上始终优于其他方法，尤其在大尺寸、高分辨率户外图像上表现突出。
• 所提出的重采样-去噪策略显著减少了在DND与RENOIR数据集上视觉对比中均质区域的过度平滑与颜色伪影。
• Neat Image产生的视觉结果比大多数开源方法更平滑，但以牺牲细节为代价，表明平滑度与保真度之间存在权衡。
• MS-TSVD表现强劲，但在极噪声、均质区域易产生伪影，而重采样策略有助于缓解此问题。
• 新户外数据集表明，现有方法（包括最先进方法）在复杂光照与纹理变化下的表现，较之室内环境更具挑战性。
• MS-TSVD中低秩逼近与稀疏编码的结合展现出潜力，但需对秩参数进行仔细调优以获得最佳结果。