論文の概要: Depth image denoising using nuclear norm and learning graph model
- arxiv url: http://arxiv.org/abs/2008.03741v1
- Date: Sun, 9 Aug 2020 15:12:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 04:25:29.042779
- Title: Depth image denoising using nuclear norm and learning graph model
- Title（参考訳）: 核ノルムと学習グラフモデルを用いた奥行き画像の復調
- Authors: Chenggang Yan, Zhisheng Li, Yongbing Zhang, Yutao Liu, Xiangyang Ji,
Yongdong Zhang
- Abstract要約: グループベース画像復元法は,パッチ間の類似性収集に有効である。
各パッチに対して、検索ウィンドウ内で最もよく似たパッチを見つけ、グループ化する。
提案手法は, 主観的, 客観的両面において, 最先端の復調法よりも優れている。
- 参考スコア（独自算出の注目度）: 107.51199787840066
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The depth images denoising are increasingly becoming the hot research topic
nowadays because they reflect the three-dimensional (3D) scene and can be
applied in various fields of computer vision. But the depth images obtained
from depth camera usually contain stains such as noise, which greatly impairs
the performance of depth related applications. In this paper, considering that
group-based image restoration methods are more effective in gathering the
similarity among patches, a group based nuclear norm and learning graph (GNNLG)
model was proposed. For each patch, we find and group the most similar patches
within a searching window. The intrinsic low-rank property of the grouped
patches is exploited in our model. In addition, we studied the manifold
learning method and devised an effective optimized learning strategy to obtain
the graph Laplacian matrix, which reflects the topological structure of image,
to further impose the smoothing priors to the denoised depth image. To achieve
fast speed and high convergence, the alternating direction method of
multipliers (ADMM) is proposed to solve our GNNLG. The experimental results
show that the proposed method is superior to other current state-of-the-art
denoising methods in both subjective and objective criterion.
- Abstract（参考訳）: 3次元(3d)シーンを反映しており、コンピュータビジョンの様々な分野に適用できるため、近年では奥行き画像がホットな研究テーマになりつつある。
しかし、深度カメラから得られた深度画像にはノイズなどの汚れが含まれており、深度関連のアプリケーションの性能を著しく損なう。
本稿では,パッチ間の類似性収集にグループベース画像復元手法が有効であることを考慮し,グループベース核ノルム・学習グラフ(gnnlg)モデルを提案した。
各パッチに対して、検索ウィンドウ内で最もよく似たパッチを見つけてグループ化する。
本モデルでは,グループパッチの内在的低ランク特性を利用した。
さらに,画像のトポロジ的構造を反映したグラフラプラシアン行列を探索し,よりスムーズな事前処理を行うことを目的として,多様体学習手法を検証し,効率的な学習戦略を考案した。
高速で高速な収束を実現するために,GNNLG を解くために乗算器の交互方向法 (ADMM) を提案する。
実験の結果,提案手法は主観的,客観的両基準において,他の最先端の復調法よりも優れていることがわかった。
関連論文リスト
- A Dictionary Based Approach for Removing Out-of-Focus Blur [0.0]
アウト・オブ・フォーカスのぼかし除去作業のための高速・高精度画像超解法アルゴリズムの拡張を提案する。
資産配分管理に基づく計量に基づくブレンディング戦略も提案する。
本手法は,一般的な脱臭法と比較して約13%(PSNR)と10%(SSIM)の平均的な増加を示す。
論文 参考訳（メタデータ） (2024-06-17T08:42:03Z) - Patch-Based Deep Unsupervised Image Segmentation using Graph Cuts [0.0]
本稿では,従来のグラフ手法のアルゴリズム的助けを借りて,教師なし特徴抽出の進歩を橋渡しするパッチベースの教師なし画像分割戦略を提案する。
画像パッチを分類するために訓練された単純な畳み込みニューラルネットワークは、自然に最先端の完全畳み込み非教師付きピクセルレベルのセグメンタに繋がることを示す。
論文 参考訳（メタデータ） (2023-11-01T19:59:25Z) - Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image
Denoising [50.039949798156826]
本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。
ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。
次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
論文 参考訳（メタデータ） (2022-07-09T13:35:12Z) - A Novel Image Denoising Algorithm Using Concepts of Quantum Many-Body
Theory [40.29747436872773]
本稿では,量子多体理論に触発された新しい画像認識アルゴリズムを提案する。
パッチ解析に基づき、局所像近傍における類似度尺度は、量子力学における相互作用に似た用語によって定式化される。
本稿では,医療用超音波画像復号法などの現実的な課題に対処する手法を提案する。
論文 参考訳（メタデータ） (2021-12-16T23:34:37Z) - Deep Reparametrization of Multi-Frame Super-Resolution and Denoising [167.42453826365434]
本稿では,多フレーム画像復元作業によく用いられる最大後部定式化の深部再パラメータ化を提案する。
提案手法は,学習された誤差メトリックと,対象画像の潜在表現を導入することによって導かれる。
我々は、バースト復調およびバースト超解像データセットに関する包括的な実験を通して、我々のアプローチを検証する。
論文 参考訳（メタデータ） (2021-08-18T17:57:02Z) - Learning Spatial and Spatio-Temporal Pixel Aggregations for Image and
Video Denoising [104.59305271099967]
ピクセル集計ネットワークを提示し、画像デノイジングのためのピクセルサンプリングと平均戦略を学びます。
時間空間にまたがるサンプル画素をビデオデノナイズするための画素集約ネットワークを開発した。
本手法は,動的シーンにおける大きな動きに起因する誤認問題を解決することができる。
論文 参考訳（メタデータ） (2021-01-26T13:00:46Z) - Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。
両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。
画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文 参考訳（メタデータ） (2020-08-25T03:30:53Z) - The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。
次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。
そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-05-16T08:17:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。