高速电路与神经网络实验室
形 象 认 知 计 算     课题组

哈工大(深圳)等深度学习图像去噪最新综述论文

深度学习技术在图像降噪方面获得了极大的关注。但是,处理噪声的不同类型的学习方法有很大的差异。具体来说,基于深度学习的判别式学习可以很好地解决高斯噪声。基于深度学习的优化模型方法对真实噪声的估计有很好的效果。迄今为止,很少有相关研究来总结用于图像去噪的不同深度学习技术。在本文中,作者对图像去噪中不同深度技术进行了比较研究。我们首先对(1)用于加白噪声图像的深卷积神经网络(CNN),(2)用于真实噪声图像的深 CNN,(3)用于盲目去噪的深 CNN 和(4)用于混合噪声图像的深 CNN 进行分类,这是噪声,模糊和低分辨率图像的组合。然后,又分析了不同类型的深度学习方法的动机和原理。接下来,将在定量和定性分析方面比较和验证公共去噪数据集的最新方法。最后,论文指出了一些潜在的挑战和未来研究的方向。

原文下载

(以上文章转载自专知,原文链接:https://www.zhuanzhi.ai/paper/59b3e8f06c695cd65a31e4475ae8a493,如涉及版权,请联系zwli@semi.ac.cn)