图像噪声水平估计INLE_paper

图像噪声水平估计 Image Noise Level Estimation

2008 Estimation of noise in gray-scale and colored images using median absolute deviation (MAD)

找paper搭配 Sci-Hub 食用更佳 (๑•̀ㅂ•́)و*
Sci-Hub 实时更新 : https://tool.yovisun.com/scihub/
公益科研通文献求助：https://www.ablesci.com/

2013 Single-Image Noise Level Estimation for Blind Denoising (IEEE Trans. on image processing)

Abstract : 噪声水平是许多图像处理应用程序的重要参数。例如，由于噪声水平估计差，图像去噪算法的性能可能很大。大多数现有的去噪算法只是假设噪声水平是众所周知的，这主要防止它们实际使用。此外，即使具有给定的真实噪声水平，这些去噪算法仍然无法实现最佳性能，尤其是对于具有丰富纹理的场景。在本文中，我们提出了一种基于patch的噪声水平估计算法，并建议应根据场景复杂度调整噪声水平参数。我们的方法包括从单个噪声图像中选择没有高频分量的低级patch的过程。该选择基于patch及其统计数据的梯度。然后，使用主成分分析从所选patch估计噪声水平。由于真正的噪声水平并不总是为非盲去噪算法提供最佳性能，因此我们进一步调整了非盲去噪的噪声水平参数。实验表明，对于各种场景和噪声水平，精度和稳定性都优于现有的噪声水平估计算法。

2014 Additive white Gaussian noise level estimation based on block SVD

2015 An Efficient Statistical Method for Image Noise Level Estimation (ICCV)

Abstract : 在本文中，我们解决了additive Zero-mean高斯噪声污染的单个图像估计噪声水平的问题。我们首先对图像内的patch的噪声变化和协方差矩阵的特征值之间的统计关系进行严格分析，这表明许多最先进的噪声估计方法低估了图像的噪声水平。为此，我们推出了一种新的非参数算法，用于从清洁图像分解的效率的高效不足的patch通常围绕低维子空间。我们的方法的性能在理论上和经验上都得到了保证。具体而言，我们的方法优于现有的近期状态算法，以估计我们的实验中最少的时间的噪声水平。我们进一步证明，去噪算法BM3D算法使用算法估计的噪声方差实现了最佳性能。

2017 Fast and reliable noise level estimation based on local statistic （PRL https://doi.org/10.1016/j.patrec.2016.03.026）

2017 Natural image noise level estimation based on local statistics for blind noise reduction