WhiteNNer——基于噪声白性先验的盲图像去噪
图像与视频处理
2019-09-23 v2 计算机视觉与模式识别
摘要
基于医学影像的诊断准确性直接受所采集图像质量的影响。一种被动的提升图像质量的方法落后于成像硬件的改进，等待采集设备更好的传感器技术。另一种主动策略是利用成像系统的先验知识直接对采集到的图像进行后处理与改善。传统上，关于图像属性的先验被用于限制解空间。然而，极少有技术利用关于噪声属性的先验。本文中，我们提出一种基于神经网络的无监督模型，用于解耦输入噪声图像的信号与噪声分量，无需任何真值训练数据。我们设计了一个统一的损失函数，以正则化项的形式编码关于信号以及噪声估计的先验。具体而言，通过使用全变分与分段常数先验，以及如自相关与平稳损失等噪声白性先验，我们的网络学习将输入噪声图像解耦为底层信号与噪声分量。我们在三个公开共聚焦激光内显微数据集上将所提方法与 Noise2Noise、Noise2Self，以及非局部均值和 BM3D 进行比较。实验结果表明，我们的网络在 PSNR 和 SSIM 方面优于当前最优方法。
引用
@article{arxiv.1908.03238,
title = {WhiteNNer-Blind Image Denoising via Noise Whiteness Priors},
author = {Saeed Izadi and Zahra Mirikharaji and Mengliu Zhao and Ghassan Hamarneh},
journal= {arXiv preprint arXiv:1908.03238},
year = {2019}
}
备注
9 pages