NBNet：基于子空间投影的图像去噪噪声基学习

本文提出了一种名为NBNet的新颖图像去噪框架。与以往方法不同，我们从一个全新的视角来应对这一具有挑战性的问题：通过图像自适应投影实现噪声抑制。具体而言，我们提出训练一个网络，使其能够在特征空间中学习一组重构基函数，从而实现信号与噪声的分离。随后，通过选取信号子空间对应的基函数，并将输入图像投影至该子空间，即可完成图像去噪。我们的核心洞察在于，投影操作能够自然地保持输入信号的局部结构，尤其在低光照或纹理较弱的区域表现更为优越。为此，我们设计了SSA（非局部子空间注意力模块），该模块专门用于学习基函数的生成以及子空间投影过程。我们将SSA模块与NBNet相结合，其中NBNet是一种基于UNet结构、专为端到端图像去噪设计的网络。我们在多个基准数据集（包括SIDD和DND）上进行了评估，结果表明，NBNet在PSNR和SSIM指标上均达到当前最优性能，同时显著降低了计算开销。