基于 Tweedie 分布与分数匹配的自监督图像去噪：噪声分布自适应方法
图像与视频处理
2021-12-08 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
Tweedie 分布是指数离散模型的特例，在经典统计学中常作为广义线性模型的分布使用。在此，我们揭示 Tweedie 分布在现代深度学习时代也起着关键作用，从而导出一种无需干净参考图像、与分布无关的自监督图像去噪公式。具体而言，通过结合近期的 Noise2Score 自监督图像去噪方法与 Tweedie 分布的鞍点近似，我们可给出一个通用的闭式去噪公式，其可用于大类噪声分布而无需知晓底层噪声分布。与原始 Noise2Score 类似，新方法由依次两步组成：使用扰动噪声图像进行分数匹配，随后通过分布无关的 Tweedie 公式得到闭式图像去噪。这也给出一种针对给定噪声图像数据集估计噪声模型与噪声参数的系统性算法。通过大量实验，我们证明了所提方法能准确估计噪声模型与参数，并在基准数据集与真实世界数据集上提供最先进的自监督图像去噪性能。
引用
@article{arxiv.2112.03696,
title = {Noise Distribution Adaptive Self-Supervised Image Denoising using Tweedie Distribution and Score Matching},
author = {Kwanyoung Kim and Taesung Kwon and Jong Chul Ye},
journal= {arXiv preprint arXiv:2112.03696},
year = {2021}
}