通过傅里叶域中的噪声监督进行图像恢复学习
图像与视频处理
2025-06-03 v1 计算机视觉与模式识别
摘要
噪声监督是指使用含噪目标来监督图像恢复学习。它可以减轻数据收集负担并增强深度学习技术的实用性。然而，现有方法存在两个关键缺陷。首先，它们在处理实际应用（如低照度成像和遥感）中常见的空间相关噪声方面效果不佳。其次，它们依赖于仅提供有限监督信息的逐像素损失函数。本研究通过利用傅里叶域来解决这些挑战。我们指出，空间相关噪声的傅里叶系数表现出稀疏性和独立性，使其更容易处理。此外，傅里叶系数包含全局信息，能够提供更显著的监督。基于这些见解，我们提出在傅里叶域中建立噪声监督。我们首先证明了广泛噪声的傅里叶系数在分布上收敛于高斯分布。利用这一统计特性，我们确立了在傅里叶域中使用含噪目标与干净目标的等价性。这导出了一个适用于各种图像恢复任务、多种网络架构和不同噪声模型的统一学习框架。大量实验验证了该框架在定量指标和感知质量方面的优异性能。
引用
@article{arxiv.2506.00564,
title = {Image Restoration Learning via Noisy Supervision in the Fourier Domain},
author = {Haosen Liu and Jiahao Liu and Shan Tan and Edmund Y. Lam},
journal= {arXiv preprint arXiv:2506.00564},
year = {2025}
}