-
题名基于盲环网络和随机恢复掩码的自监督图像去噪
- 1
-
-
作者
梁震远
江松林
朱松豪
-
机构
南京邮电大学自动化学院、人工智能学院
闽西职业技术学院城乡建筑学院
-
出处
《计算机应用》
北大核心
2025年第10期3311-3319,共9页
-
基金
国家自然科学基金资助项目(62001247)。
-
文摘
现有的基于盲点网络的自监督图像去噪方法常因为网络结构的限制,导致图像信息的严重损失。为解决这一问题,首先,提出一种自监督图像去噪方法,通过将传统的盲点网络改进为盲环网络(BRN),进一步降低噪声的空间相关性;其次,针对传统掩码策略导致图像信息丢失的问题,提出一种随机恢复掩码(RRM)策略,在减少信息损失的同时,增强去噪结果的细节信息;最后,提出一种双约束损失函数,在防止模型过度拟合的同时,有效保留图像的重要信息。实验结果表明,相较于次优的基于BRN的自监督图像去噪方法,所提方法在SIDD验证数据集上的峰值信噪比(PSNR)提高了0.17 dB,结构相似性(SSIM)提高了0.007,图像块感知相似度(IPPS)降低了0.006,验证了所提方法具有优越的去噪性能。
-
关键词
图像去噪
自监督学习
盲环网络
随机恢复掩码
双约束损失函数
-
Keywords
image denoising
self-supervised learning
Blind-Ring Network(BRN)
Random Recovery Mask(RRM)
dual constraint loss function
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于渐进式双网络模型的低曝光图像增强方法
被引量：30
- 2
-
-
作者
黄淑英
胡威
杨勇
李红霞
汪斌
-
机构
天津工业大学计算机科学与技术学院
江西财经大学信息管理学院
江西财经大学软件与物联网工程学院
-
出处
《计算机学报》
EI
CSCD
北大核心
2021年第2期384-394,共11页
-
基金
国家自然科学基金(61862030,61662026)
江西省自然科学基金(20182BCB22006,20181BAB202010,20192ACB20002,20192ACBL21008)资助。
-
文摘
传统的图像增强方法对低曝光图像进行增强时,通常只考虑到了亮度的提升,忽略了增强过程中带来的噪声放大问题.而当前基于深度学习的方法利用端到端的网络直接学习低曝光图像到正常图像的映射关系,忽略了低曝光图像形成的物理原理,也没有考虑解决噪声放大的问题.针对上述问题,本文通过对图像降质的本质原因进行分析,提出一种基于渐进式双网络模型的低曝光图像增强方法,该方法包含图像增强模块以及图像去噪模块两个部分.对每个模块的构建也采用了渐进式的思想,考虑了图像由暗到亮的亮度变化,以及从粗到细的图像恢复过程,使增强后的结果更接近真实图像.为了更好地训练网络,本文构建了一种双向约束损失函数,从图像降质模型的正反两个方向使网络学习结果逼近真实数据,达到动态平衡.为了验证本文方法的有效性,本文与一些主流的方法从主观和客观两方面进行了实验对比,实验结果证明了本文方法得到的结果更接近真实图像,获得了更优的性能指标.
-
关键词
低曝光图像增强
渐进式
双网络
双向约束损失函数
-
Keywords
low-exposure image enhancement
progressive
dual network:bidirectional constraint loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
