NFCNN：面向图像去噪的噪声融合卷积神经网络
图像与视频处理
2021-02-19 v1 计算机视觉与模式识别
机器学习
摘要
基于深度学习的方法已在图像去噪中取得最先进的性能。本文提出一种基于深度学习的去噪方法，并在卷积神经网络中引入称为融合块的模块。对于这一所谓的噪声融合卷积神经网络（NFCNN），其多阶段架构中有两个分支。一个分支旨在预测潜在干净图像，另一分支预测残差图像。每两个阶段之间包含一个融合块，将预测的干净图像与预测的残差图像作为部分输入，并输出融合结果至下一阶段。由于融合块，NFCNN 具备引人注目的纹理保持能力。为训练 NFCNN，采用分阶段监督训练策略以避免梯度消失与梯度爆炸问题。实验结果表明，与一些最先进算法相比，NFCNN 能够取得具竞争力的去噪结果。
引用
@article{arxiv.2102.09376,
title = {NFCNN: Toward a Noise Fusion Convolutional Neural Network for Image Denoising},
author = {Maoyuan Xu and Xiaoping Xie},
journal= {arXiv preprint arXiv:2102.09376},
year = {2021}
}