Noise2Void——从单张含噪图像学习去噪
计算机视觉与模式识别
2019-04-08 v2
摘要
图像去噪领域目前由判别型深度学习方法主导，这类方法在含噪输入与干净目标图像对上训练。近来有研究表明，此类方法也可在无干净目标的情况下训练，而是使用独立的含噪图像对，即所谓Noise2Noise（N2N）方法。在此，我们提出Noise2Void（N2V），一种将这一思想推进一步的训练方案。它既不需要含噪图像对，也不需要干净目标图像。因此，N2V允许我们直接在待去噪的数据体上训练，从而可应用于其他方法无法使用的情形。尤其有趣的是在生物医学图像数据上的应用，其中训练目标（无论干净还是含噪）的获取常常是不可能的。我们将N2V的性能与那些具有干净目标图像和/或含噪图像对的方法进行比较。直观上，N2V不能期望优于在训练时拥有更多信息的方法。尽管如此，我们观察到Noise2Void的去噪性能仅有适度下降，并且优于无训练的去噪方法。
引用
@article{arxiv.1811.10980,
title = {Noise2Void - Learning Denoising from Single Noisy Images},
author = {Alexander Krull and Tim-Oliver Buchholz and Florian Jug},
journal= {arXiv preprint arXiv:1811.10980},
year = {2019}
}
备注
9 pages, 6 Figures