具有图核规范正则化的基于结构的低秩模型用于噪声消除
非本地图像表示方法,包括基于组的稀疏编码和块匹配3-D过滤,已显示出它们在应用于低级任务中的出色性能。 从具有相似强度的贴片组成的每个组中提取非局部先验。 然而,基于强度相似度对斑块进行分组会在真实图像的估计中引起干扰和不准确性。 为了解决这个问题,我们提出了一种基于结构的低秩模型,该模型具有图核规范正则化。 我们利用补丁内部的局部歧管结构,并根据歧管结构的距离度量对补丁进行分组。 利用流形结构信息,建立了图核范数正则化并将其合并到低秩逼近模型中。 然后,我们证明基于图的正则化等效于加权核范数,并且所提出的模型可以通过加权奇异值阈值算法来求解。 对加性高斯白噪声去除和混合噪声去除的大量实验表明,与几种最新算法相比,该方法具有更好的性能。
用户评论