LINN：受提升格式启发的可逆神经网络用于图像去噪
图像与视频处理
2021-05-10 v1 计算机视觉与模式识别
摘要
在本文中，我们受基于变换的去噪框架启发，提出了一种用于图像去噪的可逆神经网络（DnINN）。所提出的DnINN由一个称为LINN的可逆神经网络与一个稀疏驱动去噪网络组成，其中LINN的架构受小波理论中提升方案的启发，而稀疏驱动去噪网络用于从变换系数中去除噪声。去噪操作通过单次软阈值操作或通过学习型迭代收缩阈值网络执行。LINN的前向过程产生更适合去噪的过完备表示。去噪后的图像利用LINN的反向过程并使用去噪网络的输出进行重建。仿真结果表明，所提出的DnINN方法取得了与DnCNN方法相当的结果，而仅需1/4的可学习参数。
引用
@article{arxiv.2105.03303,
title = {LINN: Lifting Inspired Invertible Neural Network for Image Denoising},
author = {Jun-Jie Huang and Pier Luigi Dragotti},
journal= {arXiv preprint arXiv:2105.03303},
year = {2021}
}
备注
Accepted by the 29th European Signal Processing Conference, EUSIPCO 2021