用于图像去噪的块匹配卷积神经网络
计算机视觉与模式识别
2017-04-04 v1
摘要
当前图像去噪算法有两大主流：基于非局部自相似（NSS）先验的方法与基于卷积神经网络（CNN）的方法。基于NSS的方法在具有规则重复模式的图像上表现良好，而基于CNN的方法在不规则结构上表现更好。本文提出一种结合NSS先验与CNN的块匹配卷积神经网络（BMCNN）方法。首先，输入图像中相似的局部块被整合为一个3D块。为防止噪声干扰块匹配，我们首先对含噪图像应用一种已有的去噪算法。去噪后的图像被用作块匹配的引导信号，然后该块的去噪函数由CNN结构学习。实验结果表明，所提BMCNN算法达到了最先进的性能。具体而言，BMCNN能够恢复重复与不规则结构两者。
引用
@article{arxiv.1704.00524,
title = {Block-Matching Convolutional Neural Network for Image Denoising},
author = {Byeongyong Ahn and Nam Ik Cho},
journal= {arXiv preprint arXiv:1704.00524},
year = {2017}
}
备注
11 pages, 9 figures