Learning Raw Image Denoising with Bayer Pattern Unification and Bayer Preserving Augmentation

旷世在NTIRE 2019一项Raw Image Denoising的论文,比赛中取得了第一名,排名如下图。论文:论文链接

 一、背景

图像降噪是计算机视觉低层问题,以前都是用传统的方法比如NLM、BM3D,慢慢又开始基于CNN做降噪比如DNcnn、FFDnet等。从降噪数据来分,大概有raw image降噪,real image降噪,sRGB image降噪等等。其中raw图像的噪声最简单,从raw到RGB会经过一系列处理,比如伽马矫正,白平衡,解码等等,简单的噪声分布在一系列处理中也发生了复杂的变化。近几年,开始有一些raw相关的数据集被拿出来用于比赛。(不扯了,直接看下面内容吧,关于图像降噪相关的知识和近期比较好的论文,我慢慢分享。Bayer patterns介绍。通过每个2x2块中的通道序列表示每个模式,按左上角、右上角、左下角和右下角的顺序排列。通常,有4种可能的格式,即RGGB、BGGR、GRBG和GBRG。论文中使用BGGR作为最终模型的输入格式。

二、主要内容

论文比较简短(八页

  • 4
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Bayer模式是由伊士曼·柯达公司科学家Bryce Bayer发明的一种数字图像处理技术,也被称为Bayer格式。它是一种用于记录彩色图像的方法,通过在图像传感器上安排红、绿、蓝三种滤光片的不同排列,以捕捉并编码不同颜色的信息。Bayer模式通常以2×2的矩阵形式表示,其中每个单元格代表一个像素,通过在每个像素上使用不同的滤光片,实现对红、绿、蓝三种颜色的采样。通常情况下,Bayer模式采用绿色滤光片的数量最多,因为人眼对绿色的感知更为敏感。 Bayer模式的排列方式可以用来还原彩色图像,并且可以通过一些方法进行统一和增强,而不会破坏原始图像的空间关系。其中一种方法是使用翻转和裁剪进行数据增强,同时保持图像的Bayer模式。这种方法被称为Bayer Preserving AugmentationBayerAug)。首先,图像被翻转,然后通过裁剪来逆转Bayer模式的变化,以使图像恢复到原来的样子。这样可以对Bayer模式图像进行增强处理而不会引入伪影。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [图像bayer pattern介绍及插值原理](https://blog.csdn.net/q2519008/article/details/122937687)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [Learning Raw Image Denoising with Bayer Pattern Unification and Bayer Preserving Augmentation](https://blog.csdn.net/qq_27871973/article/details/96869379)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值