用于连拍图像去噪的多核预测网络
计算机视觉与模式识别
2021-03-12 v2 机器学习
机器学习
摘要
在低光照或短曝光摄影中，图像常受噪声污染。虽然较长曝光有助于降低噪声，但因物体与相机运动可能产生模糊结果。无噪图像的重建是一个不适定问题。近期图像去噪方法旨在预测核，将这些核与一组连续拍摄的图像（连拍）卷积以获得清晰图像。我们提出一种基于深度神经网络的方法，称为多核预测网络（MKPN），用于连拍图像去噪。MKPN不仅预测一种尺寸的核，还预测不同尺寸的核，并融合这些不同核，从而为每个像素生成一个核。我们方法的优势有两方面：(a) 不同尺寸的核有助于从图像中提取不同信息，从而获得更好的重建效果；(b) 核融合在保持计算效率的同时确保保留所提取的信息。实验结果表明，MKPN在不同噪声水平的合成数据集上优于当前最优方法。
引用
@article{arxiv.1902.05392,
title = {Multi-Kernel Prediction Networks for Denoising of Burst Images},
author = {Talmaj Marinč and Vignesh Srinivasan and Serhan Gül and Cornelius Hellge and Wojciech Samek},
journal= {arXiv preprint arXiv:1902.05392},
year = {2021}
}
备注
5 pages, 4 figures