学习用于图像去噪的积分微分方程模型

我们引入了边缘增强各向异性扩散模型用于图像去噪的积分微分扩展。通过多尺度累积加权结构信息，我们的模型首次通过多尺度积分创建各向异性。它遵循在紧凑、具洞察力且数学上严谨的模型中结合基于模型与数据驱动方法优势以提升性能的理念。我们探究尺度自适应加权与对比度参数的训练结果，以通过光滑函数获得显式建模。这导出一个仅含三个参数的透明模型，且不显著降低其去噪性能。实验表明该模型优于其基于扩散的前身。我们展示了多尺度信息与各向异性对其成功均至关重要。