基于小波域ADMM深度网络的图像复原算法

摘要

图像复原是一个重要的底层视觉问题，旨在从低质量图像中恢复出高质量图像。虽然，近年来基于深度学习的方法在图像复原领域展现出了优秀的性能，但是，大多数深度网络均是基于经验进行结构设计，较少考虑与现有的传统算法进行融合，因此网络可解释性较差。针对上述问题，本文提出了一种基于小波域ADMM深度网络的图像复原算法。首先，将小波变换同步引入到数据项以及先验项，提出了小波域下的图像复原模型，将图像复原问题变换到小波域进行研究，构建新的图像退化模型和复原代价函数。然后，为了有效降低该问题的优化求解难度，提出引入ADMM算法将其进一步分解为更易处理的复原子问题和去噪子问题分别求解，通过不断优化得到小波域图像最佳估计。最后，基于上述优化过程解的具体形式指导构建深度卷积神经网络，实现端到端的图像复原。该网络由于是在小波域进行图像处理，使得网络感受野增加且网络中特征映射的空间尺寸缩小。不仅能获得更好的性能，而且大幅降低了运算复杂度、提高了处理速度。将上述网络应用于图像去模糊和图像去噪任务，在Set10、BSD68和Urban100数据集上验证复原性能。相关实验结果表明，本文提出的算法对于去模糊和去噪任务都能取得较好的复原效果，其PSNR值增加0.08～0.18 dB，同时结果图片保留更多的细节信息，因此无论是定量还是定性结果都优于对比算法。

关键词

图像复原 / 小波变换 / ADMM / 卷积神经网络