基于卷积神经网络的非局部彩色图像去噪
计算机视觉与模式识别
2017-07-12 v2 人工智能
摘要
我们提出了一种用于灰度和彩色图像去噪的新型深度网络架构，该架构基于非局部图像模型。我们对所提出网络整体设计的动机源于利用自然图像固有的非局部自相似性性质的变分方法。我们建立在这一概念之上，并引入了执行非局部处理同时显著受益于判别式学习的深度网络。在 Berkeley 分割数据集上的实验表明，与几种 state-of-the-art 方法相比，所提出的非局部模型在所有测试噪声水平下，对灰度和彩色图像均实现了最佳的去噪性能。同样值得注意的是，与现有的替代深度网络架构相比，这种性能的提升并未增加网络容量的额外成本。此外，我们强调了所提出的非局部模型与卷积神经网络之间的直接联系。这一联系具有重要意义，因为它使我们的模型能够充分利用深度学习中 GPU 计算的最新进展，并通过其固有的并行性使其易于高效实现。
引用
@article{arxiv.1611.06757,
title = {Non-Local Color Image Denoising with Convolutional Neural Networks},
author = {Stamatios Lefkimmiatis},
journal= {arXiv preprint arXiv:1611.06757},
year = {2017}
}
备注
15 pages, accepted to CVPR 2017