要約
既存のノイズ除去アルゴリズムの多くはグレースケール画像向けに開発されており、実際のカラー画像におけるノイズ統計がR、G、Bチャンネルごとに大きく異なるため、これらのアルゴリズムをカラー画像のノイズ除去に拡張することは容易ではありません。本論文では、重み付き核ノルム最小化（Weighted Nuclear Norm Minimization: WNNM）フレームワークのもとで、実際のカラー画像のノイズ除去に向けたマルチチャネル（Multi-Channel: MC）最適化モデルを提案します。RGBパッチを連結することでチャネル間の冗長性を利用し、各チャンネルの異なるノイズ特性を考慮してデータ忠実度を調整するための重み行列を導入しています。提案されたMC-WNNMモデルには解析的な解が存在しないため、線形等式制約問題に再定式化し、乗数法による交互方向法を使用して解を求めます。各交互更新ステップには閉形式の解があり、収束性が保証されています。合成および実際のノイジー画像データセットに対する広範な実験により、提案されたMC-WNNMモデルが最先端のノイズ除去手法よりも優れていることが示されました。