Median2Median：零样态抑制图像中结构化噪声

图像去噪是计算机视觉和医学成像中的基本问题。然而，真实图像常因具有强各向异性相关性的结构化噪声而受到损坏，现有方法难以去除。大多数数据驱动方法依赖大量带高质量标签的数据集，仍受限于泛化能力；而现有的零样态方法避免了这一限制，但仅针对独立同分布（i.i.d.）噪声有效。为此，我们提出了Median2Median（M2M），一个针对结构化噪声的零样态去噪框架。M2M引入一种新颖的抽样策略，从单个噪声输入生成伪独立子图像对。该策略利用方向性插值和广义中值滤波来自适应排除由结构化伪影扰曲的值。为进一步扩大有效抽样空间并消除系统偏差，采用随机分配策略，确保抽样的子图像对适用于Noise2Noise训练。在现实仿真研究中，M2M在i.i.d.噪声下与最先进的零样态方法持水平，而在相关噪声下始终优于它们。这些发现表明，M2M是一种高效、无数据需求的结构化噪声抑制方案，标志着其在严格的i.i.d.假设之外实现有效零样态去噪的第一步。