一种基于CNN的 endoscopic 图像盲去噪方法
图像与视频处理
2020-03-17 v1 计算机视觉与模式识别
摘要
无线胶囊内镜(WCE)所捕获图像的质量是医生诊断胃肠道(GI)疾病的关键。然而,由于GI道内照明有限且环境复杂,存在许多低质量内镜图像。经过增强处理后,严重噪声成为不可接受的问题。噪声随不同相机、GI道环境及图像增强而变化,且噪声模型难以获取。本文提出一种针对内镜图像的卷积盲去噪网络。我们应用深度图像先验(DIP)方法,无需特定噪声模型与真值,利用含噪图像迭代重建干净图像。随后我们设计基于MobileNet的盲图像质量评估网络以估计重建图像的质量。所估计质量用于停止DIP方法中的迭代操作。通过在我们DIP过程中使用迁移学习,迭代次数减少了约36%。在内镜图像与真实世界含噪图像上的实验结果表明,所提方法在视觉质量与定量指标上均优于最先进(state-of-the-art)方法。
引用
@article{arxiv.2003.06986,
title = {A CNN-Based Blind Denoising Method for Endoscopic Images},
author = {Shaofeng Zou and Mingzhu Long and Xuyang Wang and Xiang Xie and Guolin Li and Zhihua Wang},
journal= {arXiv preprint arXiv:2003.06986},
year = {2020}
}
备注
accepted in BioCAS2019 conference