融合多类替换细化和多分支盲点网络的自监督图像去噪

摘要

现有的自监督图像去噪方法，特别是基于盲点网络的方法，在特征提取过程中会导致图像信息损失，这大大降低了图像去噪性能.因此，在实际去噪过程中，利用自监督盲点网络处理空间相关性噪声是一项具有挑战性的工作.为解决上述问题，本文提出一种基于多类替换细化和多分支盲点网络的自监督图像去噪方法.首先，利用不同步长的像素重组下采样模块，消除噪声的空间相关性；然后，利用提出的多类替换细化模块，在不增加网络模型参数的情况下，进一步消除噪声的空间相关性；最后，利用提出的多分支盲点网络，补偿去噪过程中损失的图像信息.在合成数据集和真实数据集上的大量实验结果表明，本文所提方法优于现有大部分图像去噪方法.

关键词

自监督 / 盲点网络 / 细化 / 图像去噪