未知但有界噪声条件下的低光成像随机估计方法

《IEEE Access》：Randomized Estimation for Low-Light Imaging with Unknown-but-Bounded Noise

　　

摘要：

本文研究了在观测数量有限且主要不确定性为有界暗噪声时的低光成像参数估计问题。我们在合适的变换域中采用具有有界扰动的统一线性模型以及稀疏性先验，进而提出了两种互补的重建方案。第一种方案基于随机像素级曝光和改进的符号扰动求和算法。通过随机快门机制使有效噪声对称化，同时保持像素的原始强度，从而实现全分辨率估计，并得到与有界噪声条件相一致的有限样本不确定性区间。第二种方案则利用存在有界扰动的压缩感知技术：通过对测量数据进行随机预处理，将有界扰动转化为有效的?2有界项，这样就可以使用标准的基于?1的恢复方法，且具有非渐近稳定性保证。在合成数据以及真实的低光图像上的数值实验表明，所提出的方法在给定的有界噪声条件下具有良好的效果，相较于简单平均法以及传统的?2噪声压缩感知方法，在非高斯分布和空间结构化的暗噪声环境下，其在均方误差、结构相似度以及峰值信噪比方面都有所提升。