极弱光环境下噪声图像的生成

摘要

针对弱光环境中的噪声复杂，建立噪声模型十分困难的问题，本文提出一种基于扩散模型的噪声图像生成方法。首先，通过扩散模型的前向过程中的公式向清晰图像中加入多种类型的噪声，然后，将其与清晰的条件图像一同输入到网络中，最后，通过冷扩散模型的采样算法循环迭代的生成噪声图像，从而建立更加真实的噪声模型。在弱光数据集上的实验结果表明，与其他算法相比，本文算法生成的噪声图像在客观指标上的KL散度值为0.068，比现有最好的方法降低了0.001，主观上质量更高，与弱光环境中的图像更接近，建立的噪声模型更加准确。本文方法可以在弱光环境下建立质量较高的噪声模型，为弱光环境下的噪声建模提供了新的思路，且将扩散模型应用于弱光噪声建模领域。

关键词

微光成像 / 扩散模型 / 噪声生成 / 图像处理 / 神经网络 / 深度学习