测量与控制面向自监督图像去噪的谱偏差
计算机视觉与模式识别
2025-10-02 v1 人工智能
摘要
当前用于配对带噪图像的自监督去噪方法通常涉及通过网络将一个带噪图像映射到另一个带噪图像。然而，经过我们提出的图像对频率带相似性测量后，这类方法存在两个实际局限：其一，图像中高频结构细节的保存不足；其二，在拟合高频过程中，网络会从映射后的带噪图像中学习高频噪声。为解决这些挑战，我们引入谱控制网络 (SCNet)，以优化配对带噪图像的自监督去噪。首先，我们提出一种选择策略，用于选择带噪图像的频率带组件，以加快训练收敛速度。接着，我们提出参数优化方法，通过 Lipschitz 常数限制卷积核对高频噪声的学习能力，而不改变网络结构。最后，我们引入谱分离与低秩重构模块 (SSR 模块)，通过频域分离和低秩空间重构分离噪声和高频细节，以保留图像的高频结构细节。在合成数据集和真实世界数据集上的实验验证了 SCNet 的有效性。
关键词
引用
@article{arxiv.2510.00454,
title = {Measuring and Controlling the Spectral Bias for Self-Supervised Image Denoising},
author = {Wang Zhang and Huaqiu Li and Xiaowan Hu and Tao Jiang and Zikang Chen and Haoqian Wang},
journal= {arXiv preprint arXiv:2510.00454},
year = {2025}
}