-
从四篇经典论文看图像去噪方法的演进脉络:稀疏性、自相似性与自适应性
从SureShrink、NL-means、K-SVD到BM3D,梳理四篇经典论文中图像去噪方法的演进脉络,深入解析稀疏性、自相似性与自适应性三大核心思想的发展与融合。
-
非局部均值:用图像自身的冗余去噪
解析2005年CVPR经典论文Non-Local Means:通过比较图像全局patch相似性实现去噪,引入「方法噪声」评估框架,在Lena测试中均方误差仅为全变分法的62%,奠定BM3D与非局部注意力机制的理论基础。
CyberCode Chronicles
从SureShrink、NL-means、K-SVD到BM3D,梳理四篇经典论文中图像去噪方法的演进脉络,深入解析稀疏性、自相似性与自适应性三大核心思想的发展与融合。
解析2005年CVPR经典论文Non-Local Means:通过比较图像全局patch相似性实现去噪,引入「方法噪声」评估框架,在Lena测试中均方误差仅为全变分法的62%,奠定BM3D与非局部注意力机制的理论基础。