哈工大，清華和臺灣清華聯(lián)合發(fā)表“一份超全易懂的深度學(xué)習(xí)在圖像去噪的綜述”被人工智能前沿講習(xí),、極市平臺,、CVer等多個公司關(guān)注

來源: 田春偉/

哈爾濱工業(yè)大學(xué)

1732

2020-03-01 11:50:51

2020-03-01

1月18日,，《Deep Learning on Image Denoising: An overview》被“人工智能前沿講習(xí)”公眾號報道,，具體信息如：https://mp.weixin.qq.com/s/aaaaG5LkyWcJ9dhZ74Cp6A

1月27日,，這個工作被“市級平臺”推送,，具體信息如：https://mp.weixin.qq.com/s/hPaJssohwTIPx6kzGvp70g

2月14日,，這個工作被"CVer"所推送，具體信息如：https://mp.weixin.qq.com/s/nmKWJPbedGo1J8-oeIKm2w

部分介紹如下：

近日哈爾濱工業(yè)大學(xué),、廣東工業(yè)大學(xué),、清華大學(xué)與臺灣國立清華大學(xué)等研究人員共同撰寫一篇深度學(xué)習(xí)在圖像去噪上的綜述并在arxiv發(fā)表，該綜述系統(tǒng)地總結(jié)圖像去噪的重要性,、圖像去噪技術(shù)的發(fā)展,、傳統(tǒng)的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的圖像去噪技術(shù)的優(yōu)缺點(diǎn)以及刨析出圖像去噪技術(shù)面對的挑戰(zhàn)與潛在的研究點(diǎn)。該綜述對學(xué)術(shù)界和工業(yè)界都有重要的指導(dǎo)作用,，值得學(xué)習(xí),。

Deep Learning onImage Denoising: An Overview

論文鏈接：

https://arxiv.org/abs/1912.13171

相關(guān)代碼鏈接：

https://github.com/hellloxiaotian

1 背景與動機(jī)

數(shù)字圖像設(shè)備已經(jīng)被應(yīng)用在天氣預(yù)測、災(zāi)難救援,、安全監(jiān)控與醫(yī)學(xué)診病等多個領(lǐng)域,。然而數(shù)字設(shè)備常受到相機(jī)抖動,、運(yùn)動的物體、暗光和噪聲等影響而導(dǎo)致捕獲的照片不干凈,。因此圖像去噪技術(shù)的研究具有重要的理論和實際應(yīng)用價值,。

圖像去噪技術(shù)在20世紀(jì)90年代已經(jīng)成為研究熱點(diǎn)。例如：用非局部相似性來優(yōu)化稀疏方法能提高去噪的性能,。字典學(xué)習(xí)有助于快速移除噪聲,。先驗知識通過平滑噪聲圖像來恢復(fù)潛在干凈圖像的細(xì)節(jié)。更多競爭去噪方法包括MRF ,、WNNM 、LSSC,、CSF ,、TNRD和GHEP能被利用。

雖然這些大部分方法在圖像去噪上能達(dá)到好的性能,，但是他們有以下缺點(diǎn)：

(1) 在測試階段涉及復(fù)雜優(yōu)化方法,

(2) 手動設(shè)置參數(shù),

(3) 一個固定的模型來處理單個去噪任務(wù),。擁有靈活的結(jié)構(gòu)，強(qiáng)的自學(xué)習(xí)能力的深度學(xué)習(xí)技術(shù)能用來解決這些不足,。

2 本文研究框架

本文由淺到深介紹深度學(xué)習(xí)在圖像去噪應(yīng)用,，首先介紹深度學(xué)習(xí)在圖像處理的基本框架，包括：有監(jiān)督和無監(jiān)督機(jī)器學(xué)習(xí),、卷積網(wǎng)絡(luò),、深度學(xué)習(xí)在圖像去噪的主要結(jié)構(gòu)（如：VGG、ResNet,、GoogLeNet和GAN）和深度學(xué)習(xí)技術(shù)常用軟件和硬件,；其次重點(diǎn)介紹深度學(xué)習(xí)技術(shù)在圖像去噪上應(yīng)用，如圖示1所示：

登錄用戶可以查看和發(fā)表評論,，請前往登錄或注冊,。