摘要

针对图像视频处理领域的多参数优化问题和穷举带来的高复杂度,本文提出了一种多参数取值调优方法。受深度学习中的梯度下降思想启发,将参数的复杂度变化和性能变化的比值,即能效比(EER),作为参数候选值优劣的判决依据。基于NLM(non-local means,非局部方法)和迭代的算法是当前图像去噪的一个主流框架。本文提出了一种多参数调优方法,并将该方法应用于该类算法中。实验结果表明,该方法能快速有效地优化算法参数取值,得到目标复杂度约束下的参数最佳取值组合决策,对于算法的实时应用有较大价值。

全文