non-local means
PulseAugur coverage of non-local means — every cluster mentioning non-local means across labs, papers, and developer communities, ranked by signal.
-
新的BEMD-QBF方法通过在保留结构的同时降低噪声来提高CT图像质量
研究人员开发了一个名为BEMD-QBF的新框架，它使用双维经验模态分解和四元数双边滤波将锐核CT图像转换为软核外观。该方法旨在减少噪声，同时保留关键的解剖结构。使用各种重建核进行的评估以及与非局部均值和各向异性扩散等成熟滤波技术的比较表明，BEMD-QBF在结构保真度和有效的降噪方面表现优越。
-
新框架锚定黑盒去噪器输出以提高保真度
研究人员开发了一个名为保真度约束锚定（Fidelity-Constrained Anchoring）的新框架，旨在改进黑盒去噪器的输出。该方法将去噪后的图像与原始输入进行混合，并应用一个符合特定局部保真度约束（如峰值信噪比（PSNR）或结构相似性指数（SSIM））的混合因子。在DIV2K数据集上的实验表明，这种锚定策略在保持去噪性能和统计自然度之间取得平衡的同时，能有效控制保真度。
-
GALOSH：新型无训练去噪器兼具速度与质量
研究人员推出了一种新颖的图像去噪方法 GALOSH，该方法专为速度和效率而设计。与依赖计算密集型块匹配的传统方法不同，GALOSH 在本地运行且无需搜索，因此速度明显更快，适合硬件实现。它可以处理原始拜耳和 sRGB 图像格式，在与其他盲、无训练去噪器相比时表现强劲，并且在原始数据上接近训练网络的质量。
-
新方法利用视网膜和贝叶斯优化增强低光图像
研究人员开发了FLARE-BO，一个用于改进低光机器人视觉的增强框架。该新方法通过优化八个参数（包括伽马校正、光照归一化和白平衡）来扩展先前无训练的方法。FLARE-BO系统利用高斯过程的贝叶斯优化，为单个图像自适应地调整这些参数，在低光配对数据集上表现优于现有方法。