基于级联残差注意力 CNN 的红外图像固定图案噪声抑制
图像与视频处理
2019-10-23 v1 计算机视觉与模式识别
摘要
现有的固定图案噪声抑制（FPNR）方法易受场景运动状态与图像传感器工况影响，导致过度平滑、重影伪影以及收敛速度慢。为解决这些问题，我们设计了一种带有残差跳跃连接的创新级联卷积神经网络（CNN）模型，以实现无需任何参数调优的单帧盲 FPNR 操作。此外，引入了一种粗-细卷积（CF-Conv）单元，以提取多尺度互补特征并融合它们以获取更多空间信息。受视觉注意力机制成功的启发，我们进一步提出了一种特定的空间-通道噪声注意力单元（SCNAU），以更彻底地将场景细节与固定图案噪声分离，并更准确地恢复真实场景。在测试数据上的实验结果表明，所提出的级联 CNN-FPNR 方法在视觉效果与定量评估两方面均优于现有 FPNR 方法。
引用
@article{arxiv.1910.09858,
title = {Fixed Pattern Noise Reduction for Infrared Images Based on Cascade Residual Attention CNN},
author = {Juntao Guan and Rui Lai and Ai Xiong and Zesheng Liu and Lin Gu},
journal= {arXiv preprint arXiv:1910.09858},
year = {2019}
}