一个改进的BM3D算法基于图像深度特征图和结构相似性区块匹配
Jia Cao1, Zhenping Qiang1, Hong Lin1
1College of Big Data and Intelligent Engineering, Southwest Forestry University, Kunming 650224, China.
Sensors (Basel, Switzerland)
|August 26, 2023
概括
本研究介绍了使用UNet特征图和结构相似度指数 (SSIM) 进行改进的BM3D算法,以改进图像无色化. 该方法提高了无色图像中的细节保存和视觉质量.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 机器学习 机器学习
背景情况:
- 像BM3D这样的传统区块匹配算法经常忽视深度图像特征.
- 现有的方法可能在消噪过程中难以保存图像细节.
研究的目的:
- 为了增强图像消除算法的区块匹配策略.
- 为了改善图像细节的保存和整体视觉质量.
主要方法:
- 实施了一种新的区块匹配方法,利用UNet的网络特征地图.
- 综合结构相似度指数 (SSIM) 为改进的相似度衡量标准.
- 在多深度特征地图上执行区块匹配,以识别考虑深度特征的类似区块.
主要成果:
- 与传统的BM3D相比,拟议的方法显著提高了图像消光性能.
- 展示了优秀的图像细节的优越保存.
- 在denoised输出中实现了增强的视觉质量.
结论:
- 改进的BM3D算法通过利用深度特征和增强的相似度指标,有效地消除了图像的颜色.
- 这种方法在降低噪音和保存细节之间提供了更好的平衡.
- 这种方法代表了图像无色化技术的重大进步.
