深度学习在图像去噪中的应用：综述
图像与视频处理
2020-08-04 v4 计算机视觉与模式识别
摘要
深度学习技术在图像去噪领域受到了广泛关注。然而，各类处理图像去噪的深度学习方法中存在显著差异。具体而言，基于深度学习的判别学习能够很好地解决高斯噪声问题。基于深度学习的优化模型在估计真实噪声方面行之有效。但迄今为止，总结不同深度学习图像去噪技术的相关研究甚少。本文中，我们对图像去噪中的深度技术进行了比较研究。我们首先对用于加性白噪声图像的深度卷积神经网络（CNNs）、用于真实噪声图像的深度CNNs、用于盲去噪的深度CNNs以及用于混合噪声图像的深度CNNs进行分类，其中混合噪声图像指噪声、模糊和低分辨率图像的组合。接着，我们分析了不同类型深度学习方法的动机与原理。随后，我们在公开去噪数据集上从定量与定性分析角度比较了当前最优方法。最后，我们指出了一些潜在的挑战与未来研究方向。
引用
@article{arxiv.1912.13171,
title = {Deep Learning on Image Denoising: An overview},
author = {Chunwei Tian and Lunke Fei and Wenxian Zheng and Yong Xu and Wangmeng Zuo and Chia-Wen Lin},
journal= {arXiv preprint arXiv:1912.13171},
year = {2020}
}