Guided image filtering using signal subspace projection
Guided image filtering using signal subspace projection
复制标题
使用信号子空间投影引导图像滤波
DOI：
10.1049/iet-ipr.2012.0351
复制
发表时间：
2013-04
影响因子：
2.3
通讯作者：
Guo, Zongming
中科院分区：
文献类型：
--
作者：
Zhang, Yong-Qin;Ding, Yu;Liu, Jiaying;Guo, Zongming
在计算机视觉和图像处理中有各种图像滤波方法，它们对某些类型的噪声有效，但它们总是对信号和/或噪声的特性做出某些假设，这些假设缺乏对各种图像降噪的通用性。本文提出了一种基于信号子空间投影（SSP）技术的广义引导图像滤波方法。该方法采用精细并行分析和蒙特卡罗模拟相结合的方法，对基于块的含噪图像进行信号子空间维数的选择。通过分量分析，将噪声图像投影到显著特征图像上，重建无噪声图像。训练/测试图像被用来确定最佳参数值和噪声偏差之间的关系，使输出峰值信噪比（PSNR）最大化。该算法利用奇异值分解（SVD）得到的基于块的图像的最小奇异值，利用噪声偏差估计自动选择最优参数。最后，我们提出了一个定量和定性的比较所提出的算法与传统的引导滤波器和其他国家的最先进的方法方面的选择的图像补丁和邻域窗口的大小。
There are various image filtering approaches in computer vision and image processing that are effective for some types of noise, but they invariably make certain assumptions about the properties of the signal and/or noise which lack the generality for diverse image noise reduction. This study describes a novel generalised guided image filtering method with the reference image generated by signal subspace projection (SSP) technique. It adopts refined parallel analysis with Monte Carlo simulations to select the dimensionality of signal subspace in the patch-based noisy images. The noiseless image is reconstructed from the noisy image projected onto the significant eigenimages by component analysis. Training/test image are utilised to determine the relationship between the optimal parameter value and noise deviation that maximises the output peak signal-to-noise ratio (PSNR). The optimal parameters of the proposed algorithm can be automatically selected using noise deviation estimation based on the smallest singular value of the patch-based image by singular value decomposition (SVD). Finally, we present a quantitative and qualitative comparison of the proposed algorithm with the traditional guided filter and other state-of-the-art methods with respect to the choice of the image patch and neighbourhood window sizes.
登录
查看更多内容
影响因子：
2.5
作者：
Pablo Bauszat;Martin Eisemann;M. Magnor
通讯作者：
Pablo Bauszat;Martin Eisemann;M. Magnor
DOI：
10.1109/icip.2007.4379258
发表时间：
2007-11
期刊：
2007 IEEE International Conference on Image Processing
影响因子：
--
作者：
N. Azzabou;N. Paragios;F. Guichard
通讯作者：
N. Azzabou;N. Paragios;F. Guichard
DOI：
10.1109/jstsp.2008.2007826
发表时间：
2008-12
影响因子：
7.5
作者：
J. Rydell;H. Knutsson;M. Borga
通讯作者：
J. Rydell;H. Knutsson;M. Borga
DOI：
10.1007/978-3-642-15549-9_1
发表时间：
2010-09
影响因子：
23.6
作者：
Kaiming He;Jian Sun-;Xiaoou Tang
通讯作者：
Kaiming He;Jian Sun-;Xiaoou Tang
影响因子：
3.3
作者：
Ding, Yu;Chung, Yiu-Cho;Simonetti, Orlando P.
通讯作者：
Simonetti, Orlando P.