Minimisation multi-canal de la norme nucléaire pondérée pour le débruitage d'images couleur réelles

La plupart des algorithmes de débruitage existants sont développés pour les images en niveaux de gris, tandis qu'il n'est pas une tâche simple d'étendre ces algorithmes au débruitage des images couleur, en raison des statistiques de bruit très différentes dans les canaux R, G et B pour les images réellement bruitées. Dans cet article, nous proposons un modèle d'optimisation multicanal (MC) pour le débruitage des images couleur réelles, basé sur le cadre de minimisation de la norme nucléaire pondérée (WNNM). Nous concaténons les patches RGB pour exploiter la redondance entre les canaux et introduisons une matrice de poids pour équilibrer la fidélité des données des trois canaux en tenant compte de leurs statistiques de bruit différentes. Le modèle MC-WNNM proposé n'a pas de solution analytique. Nous le reformulons en un problème linéaire avec contraintes d'égalité et le résolvons à l'aide de la méthode des multiplicateurs alternatifs. Chaque étape de mise à jour alternative a une solution sous forme fermée et la convergence peut être garantie. De nombreuses expériences menées sur des jeux de données d'images bruitées synthétiques et réelles démontrent la supériorité du modèle MC-WNNM proposé par rapport aux méthodes de débruitage les plus avancées actuellement disponibles.