Regularization by Denoising: Clarifications and New Interpretations

Abstract:
Regularization by denoising (RED), as recently proposed by Romano, Elad, and Milanfar, is powerful image-recovery framework that aims to minimize an explicit regularization objective constructed from a plug-in image-denoising function. Experimental evidence suggests that the RED algorithms are a state of the art. We claim, however, that explicit regularization does not explain the RED algorithms. In particular, we show that many of the expressions in the paper by Romano et\xa0al. hold only when the denoiser has a symmetric Jacobian, and we demonstrate that such symmetry does not occur with practical denoisers such as nonlocal means, BM3D, TNRD, and DnCNN. To explain the RED algorithms, we propose a new framework called Score-Matching by Denoising (SMD), which aims to match a “score” (i.e., the gradient of a log-prior). We then show tight connections between SMD, kernel density estimation, and constrained minimum mean-squared error denoising. Furthermore, we interpret the RED algorithms from Romano et\xa0al. and propose new algorithms with acceleration and convergence guarantees. Finally, we show that the RED algorithms seek a consensus equilibrium solution, which facilitates a comparison to plug-and-play ADMM.
Author Listing： Edward T. Reehorst;Philip Schniter
Volume： 5
Pages： 52-67
DOI： 10.1109/TCI.2018.2880326
Language： English
Journal： IEEE Transactions on Computational Imaging

IEEE Transactions on Computational Imaging

IEEE T COMPUT IMAG

影响因子：4.2 是否综述期刊：否 是否OA：否 是否预警：不在预警名单内 发行时间：- ISSN：2333-9403 发刊频率：- 收录数据库：SCIE/Scopus收录 出版国家/地区：United States 出版社：Institute of Electrical and Electronics Engineers Inc.

期刊介绍

The IEEE Transactions on Computational Imaging will publish articles where computation plays an integral role in the image formation process. Papers will cover all areas of computational imaging ranging from fundamental theoretical methods to the latest innovative computational imaging system designs. Topics of interest will include advanced algorithms and mathematical techniques, model-based data inversion, methods for image and signal recovery from sparse and incomplete data, techniques for non-traditional sensing of image data, methods for dynamic information acquisition and extraction from imaging sensors, software and hardware for efficient computation in imaging systems, and highly novel imaging system design.

IEEE Transactions on Computational Imaging将发表计算在图像形成过程中发挥重要作用的文章。论文将涵盖计算成像的所有领域，从基本的理论方法到最新的创新计算成像系统设计。感兴趣的主题将包括先进的算法和数学技术、基于模型的数据反演、从稀疏和不完整数据中恢复图像和信号的方法、图像数据的非传统感测技术、从成像传感器获取和提取动态信息的方法、成像系统中有效计算的软件和硬件以及高度新颖的成像系统设计。

年发文量 91
国人发稿量 50
国人发文占比 54.95%
自引率 4.8%
平均录取率 -
平均审稿周期 -
版面费 -
偏重研究方向 Mathematics-Computational Mathematics
期刊官网 https://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=6745852
投稿链接 https://mc.manuscriptcentral.com/sps-ieee

质量指标占比

研究类文章占比 OA被引用占比 撤稿占比 出版后修正文章占比
100.00% 23.05% - -

相关指数

{{ relationActiveLabel }}
{{ item.label }}

期刊预警不是论文评价，更不是否定预警期刊发表的每项成果。《国际期刊预警名单（试行）》旨在提醒科研人员审慎选择成果发表平台、提示出版机构强化期刊质量管理。

预警期刊的识别采用定性与定量相结合的方法。通过专家咨询确立分析维度及评价指标，而后基于指标客观数据产生具体名单。

具体而言，就是通过综合评判期刊载文量、作者国际化程度、拒稿率、论文处理费（APC）、期刊超越指数、自引率、撤稿信息等，找出那些具备风险特征、具有潜在质量问题的学术期刊。最后，依据各刊数据差异，将预警级别分为高、中、低三档，风险指数依次减弱。

《国际期刊预警名单（试行）》确定原则是客观、审慎、开放。期刊分区表团队期待与科研界、学术出版机构一起，夯实科学精神，打造气正风清的学术诚信环境！真诚欢迎各界就预警名单的分析维度、使用方案、值得关切的期刊等提出建议！

预警情况 查看说明

时间 预警情况
2024年02月发布的2024版 不在预警名单中
2023年01月发布的2023版 不在预警名单中
2021年12月发布的2021版 不在预警名单中
2020年12月发布的2020版 不在预警名单中

JCR分区 WOS分区等级：Q2区

版本 按学科 分区
WOS期刊SCI分区
WOS期刊SCI分区是指SCI官方（Web of Science）为每个学科内的期刊按照IF数值排 序，将期刊按照四等分的方法划分的Q1-Q4等级，Q1代表质量最高，即常说的1区期刊。
（2021-2022年最新版）
ENGINEERING, ELECTRICAL & ELECTRONIC Q2
IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY Q2

关于2019年中科院分区升级版（试行）

分区表升级版（试行）旨在解决期刊学科体系划分与学科发展以及融合趋势的不相容问题。由于学科交叉在当代科研活动的趋势愈发显著，学科体系构建容易引发争议。为了打破学科体系给期刊评价带来的桎梏，“升级版方案”首先构建了论文层级的主题体系，然后分别计算每篇论文在所属主题的影响力，最后汇总各期刊每篇论文分值，得到“期刊超越指数”，作为分区依据。

分区表升级版（试行）的优势：一是论文层级的主题体系既能体现学科交叉特点，又可以精准揭示期刊载文的多学科性；二是采用“期刊超越指数”替代影响因子指标，解决了影响因子数学性质缺陷对评价结果的干扰。整体而言，分区表升级版（试行）突破了期刊评价中学科体系构建、评价指标选择等瓶颈问题，能够更为全面地揭示学术期刊的影响力，为科研评价“去四唯”提供解决思路。相关研究成果经过国际同行的认可，已经发表在科学计量学领域国际重要期刊。

《2019年中国科学院文献情报中心期刊分区表升级版（试行）》首次将社会科学引文数据库（SSCI）期刊纳入到分区评估中。升级版分区表（试行）设置了包括自然科学和社会科学在内的18个大类学科。基础版和升级版（试行）将过渡共存三年时间，推测在此期间各大高校和科研院所仍可能会以基础版为考核参考标准。 提示：中科院分区官方微信公众号“fenqubiao”仅提供基础版数据查询，暂无升级版数据，请注意区分。

中科院分区 查看说明

版本 大类学科 小类学科 Top期刊 综述期刊
计算机科学
2区
ENGINEERING, ELECTRICAL & ELECTRONIC
工程：电子与电气
2区
IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY
成像科学与照相技术
2区
 否 否
2021年12月
基础版
工程技术
2区
ENGINEERING, ELECTRICAL & ELECTRONIC
工程：电子与电气
3区
IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY
成像科学与照相技术
3区
 否 否
2021年12月
升级版
计算机科学
3区
ENGINEERING, ELECTRICAL & ELECTRONIC
工程：电子与电气
3区
IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY
成像科学与照相技术
3区
 否 否
2020年12月
旧的升级版
计算机科学
2区
ENGINEERING, ELECTRICAL & ELECTRONIC
工程：电子与电气
3区
IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY
成像科学与照相技术
2区
 否 否
2022年12月
最新升级版
计算机科学
2区
ENGINEERING, ELECTRICAL & ELECTRONIC
工程：电子与电气
2区
IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY
成像科学与照相技术
2区
 否 否
翻译 润色 隐私声明 期刊介绍 SCI论文润色 SCI论文投稿
科研顾问
官方微信公众号