基于双重深度图像先验的联合去马赛克与去噪
图像与视频处理
2023-09-19 v1 人工智能
计算机视觉与模式识别
机器学习
信号处理
摘要
RAW图像的去马赛克与去噪是现代数码相机处理流程中的关键步骤。由于相机传感器仅捕获生成数字图像所需的三分之一颜色信息，去马赛克过程本质上是病态的。噪声的存在进一步加剧了该问题。顺序执行这两个步骤可能会扭曲所捕获RAW图像的内容，并导致误差从一步累积到另一步。近期基于深度神经网络的方法已显示出联合去马赛克与去噪在缓解此类挑战上的有效性。然而，这些方法通常需要大量训练样本，且对不同类型和强度噪声的泛化能力较差。本文提出一种新颖的联合去马赛克与去噪方法，称为JDD-DoubleDIP，它直接作用于单张RAW图像且不需要任何训练数据。我们在两个流行数据集——Kodak和McMaster——上以多种噪声及噪声强度验证了方法的有效性。实验结果表明，我们的方法在PSNR、SSIM和定性视觉感知方面始终优于其他对比方法。
引用
@article{arxiv.2309.09426,
title = {Joint Demosaicing and Denoising with Double Deep Image Priors},
author = {Taihui Li and Anish Lahiri and Yutong Dai and Owen Mayer},
journal= {arXiv preprint arXiv:2309.09426},
year = {2023}
}