实际图像的稀疏表示是成像应用的非常有效的方法,例如去噪。近年来,随着计算能力的增长,利用一个或多个图像提取的补丁内冗余的数据驱动策略,以增加稀疏性变得更加突出。本文提出了一种新颖的图像去噪算法,利用了由量子多体理论的图像依赖性的基础。基于补丁分析,通过类似于量子力学的术语来形式化局部图像邻域中的相似度测量,可以有效地保留真实图像的局部结构的量子力学中的相互作用。这种自适应基础的多功能性质将其应用范围扩展到图像无关或图像相关的噪声场景,而无需任何调整。我们对当代方法进行严格的比较,以证明所提出的算法的去噪能力,无论图像特征,噪声统计和强度如何。我们说明了超参数的特性及其对去噪性能的各自影响,以及自动化规则,可以在实验设置中选择其值的自动化规则,其实际设置不可用。最后,我们展示了我们对诸如医用超声图像检测应用等实际图像的方法处理实际图像的能力。
translated by 谷歌翻译