论文标题:Moire Photo Restoration Using Multiresolution ´Convolutional Neural Networks
论文链接:https://ieeexplore.ieee.org/document/8356681
论文代码:
发表时间: 2018年8月
创新点
感觉没啥创新点
Abstract
数码相机和手机使我们能够方便地记录珍贵的时刻。虽然数字图像质量不断提高,但拍摄高质量的数字屏幕照片仍然具有挑战性,因为照片经常被莫尔条纹污染,这是相机传感器像素网格和设备屏幕之间干扰的结果。摩尔纹图案会严重损害照片的视觉质量。然而,很少有研究旨在解决这个问题。在本文中,我们介绍了一种新颖的多分辨率全卷积网络,用于从照片中自动去除莫尔条纹。由于莫尔条纹跨越很宽的频率范围,我们提出的网络在计算如何消除每个频带内的莫尔条纹伪影之前对输入图像执行非线性多分辨率分析。我们还创建了一个包含 100000 多个图像对的大型基准数据集,用于研究和评估莫尔条纹去除算法。与用于图像恢复问题的现有学习架构相比,我们的网络在该数据集上实现了最先进的性能。
Method
网络架构如上图所示,其中包括不同分辨率的多个并行分支。
首先,顶部的分支以输入图像的原始分辨率处理特征图,而其他分支处理越来越粗糙的特征图。每个分支中的前两个卷积层形成一个组。通过将输入图像转换为不同分辨率的多个特征图,作者的目标是在输入图像中暴露不同级别的细节。
最后,所有并行分支的转换结果组合成一个完整的输出图像,除了第一个分支外,将级联卷积层生成的特征图的分辨率提高到每个分支内输入图像的原始分辨率。
注:
1)作者下采样,并没有使用池化层,而是使用内核和步长为二的卷积代替
2)所有分支前两个卷积后接非线性激活函数,增加非线性
Experiments
实验目标:与其他方法进行对比
实验结果:作者提出的模型有明显优势