Noise2Blur：在线噪声提取与去噪
图像与视频处理
2020-05-15 v2 计算机视觉与模式识别
摘要
我们提出了一种称为 Noise2Blur（N2B）的新框架，用于在无需预先收集配对噪声/干净图像的情况下训练鲁棒的图像去噪模型。模型的训练仅需要一些（甚至一张）噪声图像、一些随机的未配对干净图像，以及通过对噪声图像进行预定义滤波所获得的无噪但模糊的标签。N2B 模型由两部分组成：一个去噪网络和一个噪声提取网络。首先，在模糊标签的指导下，噪声提取网络利用来自去噪网络的噪声信息学习输出噪声图。然后，将该噪声图加到干净图像上以生成新的“噪声/干净”图像对。利用该新图像对，去噪网络学习从噪声观测中生成干净且高质量的图像。这两个网络同时训练并相互辅助以学习噪声到干净/模糊的映射。在多个去噪任务上的实验表明，N2B 的去噪性能接近于其他使用预先收集的配对数据训练的去噪 CNN。
引用
@article{arxiv.1912.01158,
title = {Noise2Blur: Online Noise Extraction and Denoising},
author = {Huangxing Lin and Weihong Zeng and Xinghao Ding and Xueyang Fu and Yue Huang and John Paisley},
journal= {arXiv preprint arXiv:1912.01158},
year = {2020}
}