基于 CNN 的实时参数调节以优化去噪滤波器性能
图像与视频处理
2020-01-22 v1 机器学习
机器学习
摘要
我们提出了一种新思路,通过使用卷积神经网络(CNN)预测最佳滤波器参数值,实时提升基于滤波的去噪算法的去噪质量。我们以最先进的基于滤波的去噪算法 BM3D 为例来展示并验证我们的方法。我们提出并训练了一个简单、浅层的 CNN,在给定输入含噪图像时实时预测最优滤波器参数值。每个训练样本由一张含噪输入图像(训练数据)和产生最佳输出的滤波器参数值(训练标签)组成。在流行的 BSD68 数据集上,使用广泛采用的 PSNR 和 SSIM 指标的定性与定量结果表明,CNN 引导的 BM3D 在不同噪声水平下均优于原始的、无引导的 BM3D。因此,我们提出的方法是对原始 BM3D 的基于 CNN 的改进,原始 BM3D 对所有图像使用固定的默认参数值。
引用
@article{arxiv.2001.06961,
title = {CNN-Based Real-Time Parameter Tuning for Optimizing Denoising Filter Performance},
author = {Subhayan Mukherjee and Navaneeth Kamballur Kottayil and Xinyao Sun and Irene Cheng},
journal= {arXiv preprint arXiv:2001.06961},
year = {2020}
}
备注
2019 International Conference on Image Analysis and Recognition