DnCNN公司

超越高斯去噪器:用于图像去噪的深度CNN残差学习。基于判别模型学习的图像去噪方法由于其良好的去噪性能,近年来受到了广泛的关注。本文通过研究前馈去噪卷积神经网络(DnCNNs)的结构向前迈进了一步,将图像去噪在非常深的体系结构、学习算法和正则化方法等方面的进展包括在内。具体而言,利用残差学习和批处理规范化来加速训练过程并提高去噪性能。与现有的判别式去噪模型不同,我们的DnCNN模型能够处理未知噪声水平下的高斯白噪声(AWGN),即盲高斯去噪。利用残差学习策略,DnCNN隐式地去除隐藏层中潜在的干净图像。这种特性促使我们训练一个单一的DnCNN模型来处理一些一般的图像去噪任务,如高斯去噪、单图像超分辨率和JPEG图像去块。大量的实验结果表明,我们的DnCNN模型不仅可以在一些一般的图像去噪任务中表现出很高的效率,而且可以利用GPU计算来高效地实现。


zbMATH中的参考文献(参考文献49条)

显示第1到第20个结果,共49个。
按年份排序(引用)
  1. 德莱德尔,查尔斯·阿尔班;丹尼斯,洛伊奇;佛罗伦萨图宾:合成孔径雷达成像矩阵对数域散斑抑制(2022)
  2. 范林伟;李惠玉;石妙文;华珍;张彩明:基于增强低秩先验的两阶段图像去噪(2022)
  3. 侯瑞芝;Li,Fang:IDPCNN:MRI重建的迭代去噪和投影CNN(2022)
  4. 吕晓光;李方;刘军;吕盛泰:一种基于贴片的超声图像斑点噪声低阶最小化方法(2022)
  5. 杨寒梅;陆剑;张衡;罗,叶;吕建伟:图像去噪的正则化非局部低秩矩阵逼近(2022)
  6. 姚,丹;麦克劳夫林,斯蒂芬;Altmann,Yoann:使用期望传播的基于面片的图像恢复(2022)
  7. 班格特,莱昂;海特弗雷恩克尔,酯;帕帕达基,尼古拉斯;Gilboa,Guy:计算近端算子和神经网络特征向量的非线性幂函数法(2021)
  8. 陈一婷;李嘉;于庆云:用重加权正则化方法修复大区域(2021)
  9. 陈云梅;刘洪成;叶,小静;张庆超:非光滑非凸图像重建的可学习下降算法(2021)
  10. 科恩,雷格夫;埃拉德,迈克尔;Milanfar,Peyman:通过定点投影去噪的正则化(RED-PRO)(2021)
  11. 戴维,阿克塞尔;埃雷特,蒂波特;莫雷尔,让·米歇尔;阿里亚斯,巴勃罗;Facciolo,Gabriele:结合补丁搜索和CNNs的视频去噪(2021)
  12. 郭振飞;白、瑞香;雷振坤;蒋浩;刘,达;邹建超;Yan,Cheng:CPINet:基于CNN-LSTM的路径相关本构模型参数识别(2021)
  13. 赫特里希,约翰内斯;塞巴斯蒂安,纽迈耶;Steidl,Gabriele:卷积近端神经网络和即插即用算法(2021)
  14. 金启玉;格拉玛,离子;刘全生:用非局部算法去除泊松散粒噪声(2021)
  15. 穆霍提,巴克尔;杜塔,苏哈吉特;Kar,Purushottam:通过非相干子空间投影的鲁棒非参数回归(2021)
  16. 佩斯奎特,让·克里斯托夫;雷佩蒂,奥黛丽;特瑞斯,马修;Wiaux,Yves:用于图像恢复的最大单调算子学习(2021)
  17. 皮涅茨,托马斯;科布勒,埃里希;波克,托马斯;Alexander Effland:共享基于能量的图像重建模型的先验知识(2021)
  18. 田文义;袁晓明;岳汉瑞:用ADMM-Newton-CNN数值方法识别椭圆方程中的不连续扩散系数:具有梯度观测的凸情形(2021)
  19. 提尔,汤姆;Gireys,Raja:关于基于反投影目标的投影梯度下降的收敛速度(2021)
  20. 徐茂元;谢小平:一种基于空间分数阶各向异性扩散方程的高效图像去噪算法(2021)