针对信号依赖且与行相关成像噪声的无监督去噪
图像与视频处理
2025-04-09 v5 计算机视觉与模式识别
摘要
显微镜图像的精确分析受噪声干扰。此类噪声通常依赖于信号，且常额外沿像素行或列相关。当前的自监督与无监督去噪器可处理信号依赖噪声，但均无法可靠去除同时具有行或列相关性的噪声。本文提出首个完全无监督的基于深度学习的去噪器，能够处理行相关且信号依赖的成像噪声。我们的方法使用带有特殊设计的自回归解码器的变分自编码器（VAE）。该解码器能够建模行相关且信号依赖的噪声，但无法独立建模底层干净信号。因此 VAE 产生的潜变量仅包含干净信号信息，并通过提出的第二个解码器网络映射回图像空间。我们的方法不需要预训练噪声模型，可使用未配对的含噪数据从零开始训练。我们在来自多种成像模态与传感器类型的显微镜数据集上基准测试了我们的方法，这些数据集均具有行或列相关、信号依赖的噪声，结果表明其优于现有的自监督与无监督去噪器。
引用
@article{arxiv.2310.07887,
title = {Unsupervised Denoising for Signal-Dependent and Row-Correlated Imaging Noise},
author = {Benjamin Salmon and Alexander Krull},
journal= {arXiv preprint arXiv:2310.07887},
year = {2025}
}