暗光图像连拍去噪
计算机视觉与模式识别
2020-06-19 v2
摘要
在极暗光照条件下拍摄图像对标准相机管线提出了重大挑战。图像变得过暗且噪声过多，使得传统图像增强技术几乎无法应用。最近，研究者利用基于学习的方法展示了有前景的结果。受这些思路启发，本文提出一种深度学习框架，用于从极暗的原始图像中获得干净且彩色的 RGB 图像。我们框架的骨干是一种新颖的由粗到细的网络架构，以渐进方式生成高质量输出。粗网络预测低分辨率、去噪后的原始图像，随后将其输入细网络以恢复精细尺度细节与逼真纹理。为进一步降噪并提升色彩准确度，我们将该网络扩展为置换不变结构，从而以连拍（burst）低光图像为输入，并在特征层面融合多幅图像的信息。我们的实验表明，所提方法通过生成更锐利、更高质量的图像，在感知上比 SOTA 方法获得更令人满意的结果。
引用
@article{arxiv.2003.07823,
title = {Burst Denoising of Dark Images},
author = {Ahmet Serdar Karadeniz and Erkut Erdem and Aykut Erdem},
journal= {arXiv preprint arXiv:2003.07823},
year = {2020}
}
备注
This paper has been withdrawn by the authors to be replaced by a new version available at arXiv:2006.09845