QWD-GAN：用于无监督医学显微图像去噪的质量感知小波驱动 GAN
图像与视频处理
2026-05-26 v1 计算机视觉与模式识别
摘要
图像去噪在生物医学与显微成像中发挥着关键作用，尤其是在采集宽场荧光染色图像时。该任务面临多方面的挑战，包括图像采集条件的限制、复杂的噪声类型、算法的适应性以及临床应用需求。尽管许多基于深度学习的去噪技术已展现出可喜的成果，但在保留图像细节、提升算法效率以及增强临床可解释性方面仍需进一步改进。我们提出了一种基于生成对抗网络（GAN）架构的无监督图像去噪方法。该方法引入了基于小波变换的多尺度自适应生成器，以及一个将差异感知特征图与原始特征相融合的双分支判别器。在多个生物医学显微图像数据集上的实验结果表明，所提模型实现了 SOTA 的去噪性能，尤其在高频信息的保留方面表现卓越。此外，该双分支判别器可无缝兼容各种 GAN 框架。所提的质量感知、小波驱动 GAN 去噪模型被命名为 QWD-GAN。
引用
@article{arxiv.2509.15814,
title = {QWD-GAN: Quality-aware Wavelet-driven GAN for Unsupervised Medical Microscopy Images Denoising},
author = {Qijun Yang and Yating Huang and Lintao Xiang and Hujun Yin},
journal= {arXiv preprint arXiv:2509.15814},
year = {2026}
}