【论文阅读笔记】Pyramid Real Image Denoising Network

最新推荐文章于 2023-05-15 07:31:45 发布

时光机ﾟ

最新推荐文章于 2023-05-15 07:31:45 发布

阅读量642

点赞数

分类专栏： # 图像去噪文章标签：论文阅读

本文链接：https://blog.csdn.net/qq_19784349/article/details/128117268

版权

图像去噪专栏收录该内容

4 篇文章 2 订阅

订阅专栏

论文简介

本文是19年的论文，网络名为PRIDNet。代码地址为https://github.com/491506870/PRIDNet。在1080ti上，PRIDNet处理512x512图像需要大约50ms；

尽管深度卷积神经网络在特定噪声和去噪方面展示出非凡能力，但对于真实世界的噪声图像仍然表现不佳。主要原因在于真实世界的噪声更加复杂和多样化。为了解决盲去噪问题，本文提出了一种“金字塔真实去噪网络”（Pyranud Real Image Denoising Network，PRIDNet）。网络的设计如下图所示，分为三个阶段：（1）Channel注意力机制模块，来校准输入噪声的Channel重要性；（2）使用金字塔模块提取多尺度特征；（3）特征融合阶段使用内核选择模块自适应融合多尺度特征。
在这里插入图片描述

与特定噪声（高斯白噪声、散粒噪声）不同，真实噪声来自于拍摄环境、图像处理管道，所以真实噪声的形势呈现出复杂性和多样性。
在之前，有一些工作致力于消除特定噪声，提出了一些结构。比如为消除高斯噪声，使用带有skip-connect的非常深的全卷积编解码网络，REDNet。也有文章证明了融合残差学习和BN层的去噪CNN（DnCNN）可以比基于非CNN的传统方法要好。但是，上述这些对于特定噪声的方法，如果用于真实世界的噪声上，可能表现比BM3D等具有代表性的传统方法要差。很少有研究盲去噪的方法，特别是针对真实噪声图像的开发。通过交互相对高的噪声水平，FFDNnet可以处理更加复杂的噪声。CBDNet进一步利用噪声估计子网络，所以其整个网络可以实现端到端的盲去噪。Path-Restore使用多路径CNN，可以为每块图像区域动态地选择合适的路径，特别是对真实图像的各种噪声分布。作为Photoshop的商业插件，**Neat Image（NI）**也用于盲降噪。
尽管上述方法对于真实图像去噪获得了巨大的改善，仍有三个问题需要注意：（1）大部分基于CNN的方法，所有的feature map channel都相同对待。（2）前面所提到的方法，都使用了相同的感受野，无法获得多样化的特征。参考传统去噪的方法BM3D，在整张图上进行相似块的搜索，这样可以充分利用上下文信息，而不是局限于小区域范围内。（3）对于多尺度特征的融合，大部分方法使用Add或者Concat算子进行融合，而没有进行区分，忽略了尺度特征的空间和通道特异性。意思是没有使用作者退出的channel attention机制，多尺度特征提取模块，以及特征融合模块。；

网络结构如上图所示，分为三个阶段：噪声估计阶段，多尺度去噪阶段和特征融合阶段。
第一阶段的噪声估计阶段使用没有BN层的五组卷积 + ReLU的方式，每个卷积的输出Channel为32（最后一层为3或1），卷积核大小为3。在最后一层卷积前，使用Channel Attention模块。Channel Attention模块如下图所示：是标准的全局池化层 + FC层的结构，中间有一个通道压缩的过程，FC层中间Cahnnel为2。这个设置为2，有必要去验证一下是否这个attention有效，对比普通的1*1如何。
在这里插入图片描述
第二阶段，多尺度特征阶段。需要注意的是，在多层不同尺度池化层之后，使用的是带有skip-connect的深层encoding-decoding的UNet结构。不同Unet结构不共享参数。
第三阶段，特征融合阶段，使用的kernel选择模块结构如下图所示：输入U通过三个不同卷积核大小的卷积，卷积核大小分别为3，5，7。经过element-wise以及Channel Attention（与之前的Channel Attention不同的是，最后没有使用Sigmoid激活函数，而是Softmax算子）后，再与之前卷积进行交互。需要注意的是，这个Softmax算子，不是作用于同一个FC输出上的，而是不同FC的相同Channel上。这种操作，也断绝了速度上的可能性。这Softmax算子的应用，更像是进行了每个Channel的权重赋值操作，所以最后进行了一个element-wise算子进行整合。
在这里插入图片描述

论文实验

训练阶段，使用来自智能手机去噪图像数据集（SIDD）的320个图像对，都是在raw-RGB空间和sRGB空间的。然后，使用另外的来自40张图像的1280个256x256截图块作为验证集，用于消融实验。
测试阶段，使用两个广泛使用的基准数据集DND和NC12。DND是由消费级相机拍摄的50张真实高分辨率图像。因为只对外提供了噪声图像，所以只能通过在线提交系统获得PSNR和SSIM。NC12有12张噪声图片，但Ground truth的干净图像无法获得，所以只能展示去噪结果，对这些图像进行定性评估。也就是说，这两个测试集，对于平常实验是无法定量比较的。

本文训练两个模型，一个目标是raw images，一个目标是sRGB images。损失函数为 $L_1$ ，优化器为Adam， $\beta_1=0.9,\beta_2=0.999,\epsilon=10^{-8}$ 。两个模型都训练 $4000$ 个epoch，初始学习率为 $10^{-4}$ 训练 $1500$ 个epoch，然后学习率降到 $10^{-5}$ 进行finetune。PatchSize设为256，BatchSize对于raw模型是2，对于sRGB模型是8。所有实现和完成都在GPU 1080ti上tensorflow实现。