論文の概要: A Novel Image Denoising Algorithm Using Concepts of Quantum Many-Body
Theory
- arxiv url: http://arxiv.org/abs/2112.09254v1
- Date: Thu, 16 Dec 2021 23:34:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-20 15:53:09.743608
- Title: A Novel Image Denoising Algorithm Using Concepts of Quantum Many-Body
Theory
- Title（参考訳）: 量子多体理論の概念を用いた新しい画像雑音化アルゴリズム
- Authors: Sayantan Dutta, Adrian Basarab, Bertrand Georgeot, and Denis Kouam\'e
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 40.29747436872773
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sparse representation of real-life images is a very effective approach in
imaging applications, such as denoising. In recent years, with the growth of
computing power, data-driven strategies exploiting the redundancy within
patches extracted from one or several images to increase sparsity have become
more prominent. This paper presents a novel image denoising algorithm
exploiting such an image-dependent basis inspired by the quantum many-body
theory. Based on patch analysis, the similarity measures in a local image
neighborhood are formalized through a term akin to interaction in quantum
mechanics that can efficiently preserve the local structures of real images.
The versatile nature of this adaptive basis extends the scope of its
application to image-independent or image-dependent noise scenarios without any
adjustment. We carry out a rigorous comparison with contemporary methods to
demonstrate the denoising capability of the proposed algorithm regardless of
the image characteristics, noise statistics and intensity. We illustrate the
properties of the hyperparameters and their respective effects on the denoising
performance, together with automated rules of selecting their values close to
the optimal one in experimental setups with ground truth not available.
Finally, we show the ability of our approach to deal with practical images
denoising problems such as medical ultrasound image despeckling applications.
- Abstract（参考訳）: 実写画像のスパース表現は、デノナイジングのような画像応用において非常に効果的なアプローチである。
近年,コンピュータ能力の増大に伴い,複数の画像から抽出したパッチ内の冗長性を利用したデータ駆動戦略が注目されている。
本稿では,量子多体理論に触発された画像依存に基づく新しい画像認識アルゴリズムを提案する。
パッチ分析に基づき、局所画像近傍における類似度測度は、実画像の局所構造を効率的に保存できる量子力学における相互作用に似た用語で定式化される。
この適応基底の汎用性は、画像に依存しない、あるいは画像に依存しないノイズシナリオへの適用範囲を調整せずに拡張する。
本稿では,画像特性,雑音統計,強度に関わらず,提案アルゴリズムの雑音除去能力を示すため,従来の手法と厳密な比較を行った。
実験では,ハイパーパラメータの特性とノイズ除去性能への影響について説明し,基礎的真理が得られない実験では,その値が最適値に近いものを選択する自動ルールを提示する。
最後に, 医用超音波画像デスペックリングの応用など, 実用的な画像デノイジング問題に対処するための手法の有用性を示す。
関連論文リスト
- Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。
これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。
まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。
次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文 参考訳（メタデータ） (2023-05-17T13:56:48Z) - A Comparison of Image Denoising Methods [23.69991964391047]
我々は、異なるアプリケーションのための合成データセットと実世界のデータセットの様々なデノベーション手法を比較した。
単純な行列に基づくアルゴリズムは, テンソルのアルゴリズムと比較して, 同様の結果が得られる可能性が示唆された。
近年の進歩にもかかわらず、既存の技術の欠点と拡張の可能性について論じる。
論文 参考訳（メタデータ） (2023-04-18T13:41:42Z) - Linear Combinations of Patches are Unreasonably Effective for Single-Image Denoising [5.893124686141782]
ディープニューラルネットワークは、画像のノイズ化に革命を起こし、大幅な精度向上を実現している。
画像先行を外部から学習する必要性を軽減するため、入力ノイズ画像の分析のみに基づいて、単画像方式で復調を行う。
本研究は, この制約下でのデノナイズのためのパッチの線形結合の有効性について検討する。
論文 参考訳（メタデータ） (2022-12-01T10:52:03Z) - Poisson2Sparse: Self-Supervised Poisson Denoising From a Single Image [34.27748767631027]
本稿では,単一画像の自己教師型学習手法を提案する。
繰り返しニューラルネットワークを用いた画像復調のための従来の反復最適化アルゴリズムを近似する。
提案手法はPSNRとSSIMの両面で最先端の手法より優れている。
論文 参考訳（メタデータ） (2022-06-04T00:08:58Z) - Practical Blind Image Denoising via Swin-Conv-UNet and Data Synthesis [148.16279746287452]
本研究では,残差畳み込み層の局所モデリング能力とスウィントランスブロックの非局所モデリング能力を組み込むスウィンコンブブロックを提案する。
トレーニングデータ合成のために,異なる種類のノイズを考慮した実用的なノイズ劣化モデルの設計を行う。
AGWN除去と実画像復号化の実験は、新しいネットワークアーキテクチャ設計が最先端の性能を達成することを実証している。
論文 参考訳（メタデータ） (2022-03-24T18:11:31Z) - A Critical Analysis of Patch Similarity Based Image Denoising Algorithms [0.0]
イメージデノイングは古典的な信号処理の問題である。
画像復号化のアルゴリズムの多くは、非局所的類似性のパラダイムに焦点を当てている。
本稿では,非局所類似性に基づく画像認識アルゴリズム開発における複数の側面について述べる。
論文 参考訳（メタデータ） (2020-08-25T05:30:37Z) - 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) - Depth image denoising using nuclear norm and learning graph model [107.51199787840066]
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。
論文 参考訳（メタデータ） (2020-08-09T15:12:16Z) - When deep denoising meets iterative phase retrieval [5.639904484784126]
従来の位相の検索アルゴリズムはノイズが存在する場合に苦しむが、クリーンなデータを与えると世界収束を示す。
ここでは,位相探索からの反復的手法とディープデノイザからの画像統計とを,正規化によるデノジングにより組み合わせる。
得られた手法は各手法の利点を継承し、他のノイズロス位相探索アルゴリズムより優れている。
論文 参考訳（メタデータ） (2020-03-03T21:00:45Z) - Variational Denoising Network: Toward Blind Noise Modeling and Removal [59.36166491196973]
ブラインド画像のデノイングはコンピュータビジョンにおいて重要な問題であるが、非常に難しい問題である。
本稿では,ノイズ推定と画像デノーミングを併用した新しい変分推論手法を提案する。
論文 参考訳（メタデータ） (2019-08-29T15:54:06Z)
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。