用于图像去噪的自适应噪声模仿
图像与视频处理
2020-12-01 v1 计算机视觉与模式识别
摘要
现有去噪算法的有效性通常依赖于准确的预定义噪声统计或大量成对数据，这限制了其实用性。本工作中，我们关注噪声统计与成对数据均不可用的更常见情形下的去噪。考虑到去噪 CNN 需要监督，我们开发了一种新的\textbf{自适应噪声模仿（ADANI）}算法，可从自然含噪图像合成含噪数据。为产生逼真噪声，噪声生成器以非成对的含噪/干净图像为输入，其中含噪图像作为噪声生成的引导。通过对噪声的类型、水平与梯度施加显式约束，ADANI 的输出噪声将与引导噪声相似，同时保持图像原始干净背景。将 ADANI 输出的含噪数据与其对应真值耦合，随后以全监督方式训练去噪 CNN。实验表明，ADANI 产生的含噪数据在视觉与统计上均与真实噪声相似，因而我们方法中的去噪 CNN 可与使用外部成对数据训练的其他网络相竞争。
引用
@article{arxiv.2011.14512,
title = {Adaptive noise imitation for image denoising},
author = {Huangxing Lin and Yihong Zhuang and Yue Huang and Xinghao Ding and Yizhou Yu and Xiaoqing Liu and John Paisley},
journal= {arXiv preprint arXiv:2011.14512},
year = {2020}
}