摘要
图像去噪算法通常使用受到人工噪声污染的图像进行评估，这可能导致对其在真实噪声环境下的性能得出错误结论。本文介绍了一组因低光照条件而受到自然噪声污染的彩色图像数据集，以及同一场景下空间和强度对齐的低噪声图像。我们还提出了一种估计图像中真实噪声水平的方法，因为即使是低噪声图像也含有少量噪声。我们对真实和人工噪声情况下的噪声估计方法的准确性进行了评估，并研究了泊松-高斯（Poisson-Gaussian）噪声模型。最后，我们利用该数据集对六种去噪算法进行了评估：活动随机场（Active Random Field）、BM3D、双层MRF（Bilevel-MRF）、多层感知机（Multi-Layer Perceptron）以及两种版本的NL-means。结果显示，虽然多层感知机、双层MRF和软阈值NL-means在合成噪声污染的灰度图像上优于BM3D，但在我们的数据集上表现却不如BM3D。