欢迎来到《每周CV论文推荐》。在这个专栏里,还是本着有三AI一贯的原则,专注于让大家能够系统性完成学习,所以我们推荐的文章也必定是同一主题的。
图像降噪是图像处理领域中非常传统和经典的问题,今天给大家推荐学习该领域值得读的文章。
作者&编辑 | 言有三
1 基本CNN结构
图像去噪模型的输出是无噪声的图像,与输入图像大小相同,所以可以使用图像分割一类的模型,即经典的基于跳层连接的卷积与反卷积对称结构[1],优化目标为逐个像素的欧式距离损失。
文章引用量:200+
推荐指数:✦✦✦✦✧
![473668223fd1df0b2e13d440119d7d54.png](https://img-blog.csdnimg.cn/img_convert/473668223fd1df0b2e13d440119d7d54.png)
[1] Mao X, Shen C, Yang Y B. Image restoration using very deep convolutionalencoder-decoder networks with symmetric skip connections[C]//Advances in neuralinformation processing systems. 2016: 2802-2810.
2 残差学习DnCNN
在信息处理领域中,学习信号的改变量往往比学习原始信号更加简单,这被用于非常有效的残差网络。DnCNN模型[2]也借鉴了这个思路,它不是直接输出去噪图像,而是预测残差图像,