基于深度投影 GSURE 的图像复原
计算机视觉与模式识别
2021-02-05 v1 图像与视频处理
摘要
病态逆问题出现在许多图像处理应用中，例如去模糊和超分辨率。近年来，基于深度卷积神经网络（CNNs）的解法已展现出巨大潜力。然而，这些利用外部数据训练 CNN 的技术大多受限于训练阶段所使用的观测模型。近期一种没有此缺陷的替代方案依赖于使用内部学习来学习目标图像。其中一个突出的例子是 Deep Image Prior（DIP）技术，它用最小二乘损失直接在输入图像上训练网络。本文中，我们提出了一种新的图像复原框架，其基于最小化一个包含广义 Stein 无偏风险估计器（GSURE）的“投影版本”和用 CNN 对潜在图像进行参数化的损失函数。我们展示了使用我们框架的两种方式。在第一种不使用显式先验的方式中，我们表明所提方法优于其他内部学习方法，如 DIP。在第二种方式中，我们表明当用于即插即用先验方案中时，我们基于 GSURE 的损失带来了改进的性能。
引用
@article{arxiv.2102.02485,
title = {Image Restoration by Deep Projected GSURE},
author = {Shady Abu-Hussein and Tom Tirer and Se Young Chun and Yonina C. Eldar and Raja Giryes},
journal= {arXiv preprint arXiv:2102.02485},
year = {2021}
}