译:"基于Wasserstein距离的改进生成对抗网络图像去噪"
-- Proceedings of the 40th Chinese Control Conference -- 2021
一、概括
这篇文章提出了一种基于WGAN-GP的图像去噪算法。该方法可以从噪声图像中直接生成干净的图像,并能很好地保留图像的纹理细节。利用WGAN-GP损失来对抗损失,避免训练过程中梯度消失,使训练更加稳定,并在生成网络中加入感知损失来提高生成的图像质量,降低计算成本。
二、方法
2.1、降噪模型
首先,该模型的目的是找到一个G,将退化图像z映射成干净图像x:
2.2、损失函数
损失如下:
其中:
2.3、网络结构
结构如下:
三、实验结果