Deep Graph-Convolutional Image Denoising 论文笔记

Deep Graph-Convolutional Image Denoising （GCDN）简单笔记，待完善

对非局部和局部接收域操作进行简单总结一下，先挖个坑。

GCONV模块

局部分量：普通的3×3卷积核作为局部接收域

构建图：以每个像素的特征向量为中心，展开一个搜索窗（search window），例如（43×43），然后对每个像素，计算其特征向量与搜索窗口内像素特征向量之间的欧氏距离，并在像素与距离最小的K（例如8,16等）个像素之间绘制图的边缘，构成一个K正规图。

非局部分量：构成的K正规图中的所连接的非局部像素的特征向量则是通过边缘条件卷积(ECC)进行聚合的。

最后将非局部聚集估计得到的特征向量与局部卷积得到的特征向量相结合，得到如下输出特征

引用

https://arxiv.org/abs/1907.08448 （GCDN原论文）

https://arxiv.org/abs/1704.02901 （ECC卷积）