通过 ADMM 结合加权全变分与深度图像先验的自然与医学图像复原
图像与视频处理
2022-05-24 v2 数值分析
数值分析
摘要
近几十年来，无监督深度学习方法引起了研究者的关注，因为在许多实际应用（如医学成像）中，收集大量训练样本并不总是可行的。此外，良好训练集的构建耗时且困难，因为所选数据必须足够具有任务代表性。本文聚焦于深度图像先验（Deep Image Prior，DIP）框架，并提议将其与空间可变全变分正则化子相结合，并对局部正则化参数进行自动估计。不同于其他现有方法，我们通过灵活的乘子交替方向法（Alternating Direction Method of Multipliers，ADMM）求解所出现的极小化问题。此外，我们也给出了标准各向同性全变分的具体实现。所提方法在 PSNR 与 SSIM 值方面的良好性能，通过针对模拟及真实自然与医学退化图像的若干实验得以阐明。
引用
@article{arxiv.2009.11380,
title = {Combining Weighted Total Variation and Deep Image Prior for natural and medical image restoration via ADMM},
author = {Pasquale Cascarano and Andrea Sebastiani and Maria Colomba Comes and Giorgia Franchini and Federica Porta},
journal= {arXiv preprint arXiv:2009.11380},
year = {2022}
}
备注
conference paper