2 个月前

当基于AWGN的去噪器遇到真实噪声时

Yuqian Zhou; Jianbo Jiao; Haibin Huang; Yang Wang; Jue Wang; Honghui Shi; Thomas Huang
当基于AWGN的去噪器遇到真实噪声时
摘要

基于判别学习的图像去噪方法在处理合成噪声(如加性白高斯噪声(AWGN))方面已取得令人鼓舞的性能。然而,大多数先前工作中采用的合成噪声是像素独立的,而实际噪声则主要是空间/通道相关的且具有空间/通道变化性。这种领域差异导致了如果模型仅使用AWGN进行训练,在处理含有真实噪声的图像时性能不佳。本文提出了一种新颖的方法,旨在提升仅使用以AWGN为主的合成像素独立噪声数据训练的真实图像去噪器的性能。首先,我们训练了一个由噪声估计器和去噪器组成的深度模型,该模型采用了混合AWGN和随机值脉冲噪声(RVIN)的数据。然后,我们研究了像素混洗下采样(PD)策略,以使训练好的模型适应真实噪声。大量实验验证了所提方法的有效性和泛化能力。特别值得一提的是,在DND基准测试中,我们的方法在仅使用合成噪声训练的模型中对真实sRGB图像达到了最先进的性能。代码可在https://github.com/yzhouas/PD-Denoising-pytorch 获取。