基于学习噪声先验的老照片编辑

上世纪有相当数量在不良条件下拍摄的照片，因此它们常常带有噪声、局部缺失且为灰度格式。传统方法主要聚焦于单点问题，导致修复结果在感知上不够清晰或干净。为解决这些问题，我们提出噪声先验学习器 NEGAN，利用非配对图像模拟真实老照片的噪声分布。它主要通过离散小波变换（DWT）匹配噪声图像的高频部分，因为高频部分包含了大部分噪声统计特性。我们还创建了一个大型老照片数据集用于学习噪声先验。利用学到的噪声先验，我们可以通过退化干净图像轻松构建有效的训练对。随后，我们提出 IEGAN 框架，基于估计的噪声先验执行包括联合去噪、修复与着色的图像编辑。我们评估了所提系统并与最先进的图像增强方法进行比较。实验结果表明其取得了最佳的感知质量。代码与所提出的 LP 数据集见 https://github.com/zhaoyuzhi/Legacy-Photo-Editing-with-Learned-Noise-Prior。