基于跳跃连接的双卷积神经网络图像盲去噪
计算机视觉与模式识别
2023-04-05 v1 图像与视频处理
摘要
近年来，深度卷积神经网络在图像去噪领域展现出令人瞩目的性能。然而，更深的网络结构往往伴随大量模型参数，导致训练成本高、推理时间长，限制了其在实际去噪任务中的应用。本文提出一种新颖的带跳跃连接的双卷积盲去噪网络（DCBDNet），能够在去噪效果与网络复杂度之间取得理想平衡。所提出的 DCBDNet 由一个噪声估计网络和一个双卷积神经网络（CNN）组成。噪声估计网络用于估计噪声水平图，提升了所提模型的灵活性。双 CNN 包含两条分支：上分支设计为 u 形子网络，下分支由空洞卷积层构成。上、下分支均利用了层间的跳跃连接。所提出的 DCBDNet 在多个合成与真实世界图像去噪基准数据集上进行了评估。实验结果表明，所提出的 DCBDNet 能有效去除大范围水平的高斯噪声、空间变异噪声及真实噪声。在简洁的模型结构下，我们提出的 DCBDNet 仍能与包含复杂结构的当前最优（SOTA）图像去噪模型取得有竞争力的去噪性能。即，实现了去噪性能与模型复杂度之间的良好权衡。代码见 https://github.com/WenCongWu/DCBDNet。
引用
@article{arxiv.2304.01620,
title = {Image Blind Denoising Using Dual Convolutional Neural Network with Skip Connection},
author = {Wencong Wu and Shicheng Liao and Guannan Lv and Peng Liang and Yungang Zhang},
journal= {arXiv preprint arXiv:2304.01620},
year = {2023}
}