基于细节保持深度协同滤波的图像去噪方法
图像与视频处理
2021-07-15 v2 计算机视觉与模式识别
机器学习
摘要
尽管多年来若干去噪算法取得了改进，其中许多在去噪后仍无法保持图像的精细细节。这是它们对图像产生平滑效应所致。大多数基于神经网络的算法取得了优于经典去噪算法的定量性能。然而，由于平滑效应，它们在定性（视觉）性能上也受影响。本文中，我们提出一种算法以解决此缺陷。我们提出一种基于深度协同滤波（Deep-CoFiB）的图像去噪算法。该算法利用一组优化过的神经网络模型在稀疏域中对图像块进行协同去噪。这带来一种快速算法，能够极好地在噪声去除与细节保持之间取得权衡。大量实验表明，DeepCoFiB 在定量（就 PSNR 和 SSIM 而言）和定性（视觉上）方面均优于许多最先进的去噪算法。
引用
@article{arxiv.2107.05115,
title = {Details Preserving Deep Collaborative Filtering-Based Method for Image Denoising},
author = {Basit O. Alawode and Mudassir Masood and Tarig Ballal and Tareq Al-Naffouri},
journal= {arXiv preprint arXiv:2107.05115},
year = {2021}
}