摘要

图像去噪算法通常通过在图像中添加人工噪声进行评估，这可能导致对其在真实噪声条件下性能的误判。本文提出一个包含彩色图像的数据集，这些图像受到低光照条件引起的自然噪声污染，同时提供了与之在空间和亮度上精确对齐的低噪声图像（同一场景的低噪声版本）。我们还提出一种方法，用于估计图像中的真实噪声水平，因为即使低噪声图像中也包含少量噪声。我们在真实噪声和人工噪声数据上评估了该噪声估计方法的准确性，并进一步研究了泊松-高斯噪声模型。最后，我们利用该数据集对六种去噪算法（活动随机场、BM3D、双层MRF、多层感知机以及两种版本的非局部均值算法）进行了评估。结果表明，尽管在合成噪声的灰度图像上，多层感知机、双层MRF以及采用软阈值的非局部均值算法优于BM3D，但在我们的自然噪声数据集上，它们的表现却显著落后于BM3D。