基于 CNN 的非局部视频去噪
计算机视觉与模式识别
2019-07-03 v2
摘要
基于非局部块的方法直到最近仍是图像去噪的最优方法，但现已被 CNNs 超越。然而它们仍是视频去噪的最优方法，因为视频冗余是获得高去噪性能的关键因素。问题在于 CNN 架构很难与自相似性的搜索相兼容。在本工作中，我们提出一种将视频自相似性输入 CNN 的新的高效方式。非局部性通过一个不可训练的首层融入网络，该层为输入图像中每个块在搜索区域内找到其最相似的块。然后这些块的中心值被收集为一个特征向量并分配给每个图像像素。该信息被送入一个训练用于预测干净图像的 CNN。我们将所提架构应用于图像和视频去噪。对于后者，块在 3D 时空体中进行搜索。所提架构取得了最优结果。据我们所知，这是 CNN 在视频去噪上的首次成功应用。
引用
@article{arxiv.1811.12758,
title = {Non-Local Video Denoising by CNN},
author = {Axel Davy and Thibaud Ehret and Jean-Michel Morel and Pablo Arias and Gabriele Facciolo},
journal= {arXiv preprint arXiv:1811.12758},
year = {2019}
}
备注
A shorter version of this work has been accepted at ICIP 2019 (A NON-LOCAL CNN FOR VIDEO DENOISING). The results of v2 were improved compared to v1 and the code was updated accordingly. Code is available at: https://github.com/axeldavy/vnlnet