Multi-channel Color Image Denoising via Low Rank Minimization

Abstract

In this thesis, we develop a color image denoising algorithm using the patch based Low Rank Matrix Approximation (LRMA). The Weighted Nuclear Norm Minimization (WNNM) is a very good technique for image denoising. It utilizes the nonlocally similar patches to formulate a low-rank matrix approximation. In this study, to enhance the performance of LRMA, we propose a new non-local similarity measurement to group more relavant patches. Specifically, we consider the gradient similarity of patches and the similarity between RGB channels for each local patch. The gradient on each patch is approximated by moving least squares methods. Also, our method introduces a weighted high-pass patch that preserves edge features and smoothing areas in the algorithm process. Some experimental results on synthetic and real noisy image datasets are pre sented. It demonstrates the the proposed algorithm provides superior results in both quantitative (PSNR and SSIM) and visual quality comparisons.;본 논문에서는 WNNM 프레임워크에 기반하여 칼라 이미지 디노이징 알고리즘을 소개한다. WNNM 문제는 singular value들의 중요성을 인식하여 다른 가중치를 부여하는 the weighted nuclear norm을 도입하였다. 이 연구에서는 non-local self similarity(NSS) 방법에는 gradient 유사도를 고려하도록 하고, high-pass patch 를 도출하는 과정에서 영역을 구분하는 알고리즘을 제안하였다. 개선된 non-local similarity에서는 MLS approximation을 적용하여 patch의 gra dient 유사성과 각 local patch에 대한 RGB 채널 간의 유사도를 측정하였다. 또한, 본 논문에서 제시한 high-pass patch는 gradient에 대한 가중치를 부여하여 edge 특징을 구분하도록 하였고, 동시에 smoothing 영역에서는 기존의 알고리즘을 사용하도록 하였다. 이 연구에 의해 기대할 수 있는 효과는 유사한 patch들을 관련성을 높이고 노이즈 제거 후에 edge 구조와 smoothing 영역을 보존하도록 하였다. 실제 이미지와 합성 이미지에 적용하여 시각적, 수치적으로 결과들을 통해 이를 확인하였다.