使用循环全卷积网络对暗光连拍图像进行端到端去噪
计算机视觉与模式识别
2019-04-17 v1
摘要
在暗光环境下拍摄时，由于进光量小，所拍摄图像通常极暗、含有大量噪声，且颜色无法反映真实世界色彩。在此条件下，用于单图像去噪的传统方法一直难以奏效。一种常见思路是拍摄同一场景的多帧图像以提高信噪比。本文提出一种循环全卷积网络（RFCN）来处理极暗光条件下拍摄的连拍照片，并获得亮度提升的去噪图像。我们的模型将原始连拍图像直接映射到sRGB输出，既可生成最佳图像，也可生成多帧去噪图像序列。该过程已被证明能够完成去噪这一底层任务，以及色彩校正与增强这一高层任务，所有处理均通过我们的网络端到端完成。我们的方法取得了优于当前最优（state-of-the-art）方法的结果。此外，我们将一种相机训练得到的模型未经微调直接应用于不同相机拍摄的照片，获得了类似的端到端增强效果。
引用
@article{arxiv.1904.07483,
title = {End-to-End Denoising of Dark Burst Images Using Recurrent Fully Convolutional Networks},
author = {Di Zhao and Lan Ma and Songnan Li and Dahai Yu},
journal= {arXiv preprint arXiv:1904.07483},
year = {2019}
}
备注
8 pages, 7 figures