一种自适应图像先验模型，能自动调整局部参数实现去噪与对比度增强。
A Single-Parameter Factor-Graph Image Prior
- 基于因子图与未知参数正态先验，构建分块平滑图像模型
- 通过共轭梯度与高斯消息传递迭代求解，实现高效计算
- 无需人工调参，适用于图像去噪与对比度增强任务
我们提出一种新的分块平滑图像模型，其局部参数为分块常数，并能自动适配每张图像。技术上，该模型以因子图为形式，采用具有未知参数的正态（NUP）先验，相关计算包含共轭梯度步与高斯消息传递的迭代。所提出的模型与算法在图像去噪和对比度增强任务中得到验证，表现出良好的性能与自适应能力。
原文摘要 · Abstract (English)
We propose a novel piecewise smooth image model with piecewise constant local parameters that are automatically adapted to each image. Technically, the model is formulated in terms of factor graphs with NUP (normal with unknown parameters) priors, and the pertinent computations amount to iterations of conjugate-gradient steps and Gaussian message passing. The proposed model and algorithms are demonstrated with applications to denoising and contrast enhancement.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。