2022-04-19 教你提升算法思維細(xì)節(jié)

圖像降噪的英文名稱是Image Denoising温鸽, 圖像處理中的專業(yè)術(shù)語(yǔ)寄月。是指減少數(shù)字圖像中噪聲的過(guò)程诽里,有時(shí)候又稱為圖像去噪袒餐。

噪聲是圖像干擾的重要原因。一幅圖像在實(shí)際應(yīng)用中可能存在各種各樣的噪聲,這些噪聲可能在傳輸中產(chǎn)生,也可能在量化等處理中產(chǎn)生谤狡。根據(jù)噪聲和信號(hào)的關(guān)系可將其分為三種形式:(f(x, y)表示給定原始圖像灸眼,g(x, y)表示圖像信號(hào),n(x, y)表示噪聲墓懂。)

加性噪聲焰宣,此類噪聲與輸入圖像信號(hào)無(wú)關(guān),含噪圖像可表示為f(x, y)=g(x, y)+n(x, y),信道噪聲及光導(dǎo)攝像管的攝像機(jī)掃描圖像時(shí)產(chǎn)生的噪聲就屬這類噪聲捕仔;

乘性噪聲匕积,此類噪聲與圖像信號(hào)有關(guān),含噪圖像可表示為f(x, y)=g(x, y)+n(x ,y)g(x, y),飛點(diǎn)掃描器掃描圖像時(shí)的噪聲榜跌,電視圖像中的相干噪聲闪唆,膠片中的顆粒噪聲就屬于此類噪聲。

量化噪聲钓葫,此類噪聲與輸入圖像信號(hào)無(wú)關(guān)悄蕾,是量化過(guò)程存在量化誤差,再反映到接收端而產(chǎn)生础浮。

目前來(lái)說(shuō)圖像去噪分為三大類:基于濾波器的方法(Filtering-Based Methods)帆调、基于模型的方法(Model-Based Methods)和基于學(xué)習(xí)的方法(Learning-Based Methods)。

接下來(lái)讓我們分別來(lái)看一下霸旗,這幾種去噪方法的優(yōu)缺點(diǎn)贷帮。

基于濾波器的方法

經(jīng)典的基于濾波的方法戚揭,如中值濾波和維納濾波等诱告,利用某些人工設(shè)計(jì)的低通濾波器來(lái)去除圖像噪聲。

中值濾波器[1]:它是一種常用的非線性平滑濾波器民晒,其基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)領(lǐng)域中各點(diǎn)值的中值代換精居,其主要功能是讓周圍像素灰度值的差比較大的像素改取與周圍的像素值接近的值,從而可以消除孤立的噪聲點(diǎn)潜必,所以中值濾波對(duì)于濾除圖像的椒鹽噪聲非常有效靴姿。

自適應(yīng)維納濾波器[2]:它能根據(jù)圖像的局部方差來(lái)調(diào)整濾波器的輸出,局部方差越大磁滚,濾波器的平滑作用越強(qiáng)佛吓。

同一個(gè)圖像中具有很多相似的圖像塊宵晚,可以通過(guò)非局部相似塊堆疊的方式去除噪聲,如經(jīng)典的非局部均值(NLM)算法[3]维雇、基于塊匹配的3D濾波(BM3D)算法[4]等淤刃。缺點(diǎn):1. 塊操作會(huì)導(dǎo)致模糊輸出。2. 需要手動(dòng)設(shè)置超參數(shù)吱型。

基于模型的方法

基于模型的方法通常將去噪任務(wù)定義為基于最大后驗(yàn)(MAP)的優(yōu)化問(wèn)題逸贾,其性能主要依賴于圖像的先驗(yàn)。如Xu等人[5]提出了一種基于低秩矩陣逼近的紅外加權(quán)核范數(shù)最小化(WNNM)方法津滞。Pang等人[9]引入了基于圖的正則化器來(lái)降低圖像噪聲

雖然這些基于模型的方法有很強(qiáng)的數(shù)學(xué)推導(dǎo)性铝侵,但在重噪聲下恢復(fù)紋理結(jié)構(gòu)的性能將顯著下降。此外触徐,由于迭代優(yōu)化的高度復(fù)雜性咪鲜,它們通常是耗時(shí)的。

基于學(xué)習(xí)的方法

基于學(xué)習(xí)的方法側(cè)重于學(xué)習(xí)有噪聲圖像到干凈圖像的潛在映射撞鹉,可以分為傳統(tǒng)的基于學(xué)習(xí)的方法和基于深度網(wǎng)絡(luò)的學(xué)習(xí)方法嗜诀。

近年來(lái),由于基于深度網(wǎng)絡(luò)的方法比基于濾波孔祸、基于模型和傳統(tǒng)的基于學(xué)習(xí)的方法獲得了更有前景的去噪結(jié)果隆敢,它們已成為主流方法。

Zhang等人[6]通過(guò)疊加卷積崔慧、批歸一化和校正線性單元(ReLU)層拂蝎,提出了一種簡(jiǎn)單但有效的去噪卷積神經(jīng)網(wǎng)絡(luò)(CNN)。

受圖像非局部相似度的啟發(fā)惶室,將非局部操作納入到的循環(huán)神經(jīng)網(wǎng)絡(luò)中[7]温自。

Anwar等人[8]提出了一種帶特征注意力的單階段去噪網(wǎng)絡(luò)。

等等等…

基于深度網(wǎng)絡(luò)的方法具有很大的發(fā)展?jié)摿食撬饕揽坑诮?jīng)驗(yàn)設(shè)計(jì)悼泌,沒(méi)有充分考慮到傳統(tǒng)的方法,在一定程度上缺乏可解釋性夹界。

————————————————

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末馆里,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子可柿,更是在濱河造成了極大的恐慌鸠踪,老刑警劉巖,帶你破解...
    沈念sama閱讀 221,888評(píng)論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件复斥,死亡現(xiàn)場(chǎng)離奇詭異营密,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)目锭,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,677評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門评汰,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)纷捞,“玉大人,你說(shuō)我怎么就攤上這事被去±夹澹” “怎么了?”我有些...
    開封第一講書人閱讀 168,386評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵编振,是天一觀的道長(zhǎng)缀辩。 經(jīng)常有香客問(wèn)我,道長(zhǎng)踪央,這世上最難降的妖魔是什么臀玄? 我笑而不...
    開封第一講書人閱讀 59,726評(píng)論 1 297
  • 正文 為了忘掉前任,我火速辦了婚禮畅蹂,結(jié)果婚禮上健无,老公的妹妹穿的比我還像新娘。我一直安慰自己液斜,他們只是感情好累贤,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,729評(píng)論 6 397
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著少漆,像睡著了一般臼膏。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上示损,一...
    開封第一講書人閱讀 52,337評(píng)論 1 310
  • 那天渗磅,我揣著相機(jī)與錄音,去河邊找鬼检访。 笑死始鱼,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的脆贵。 我是一名探鬼主播医清,決...
    沈念sama閱讀 40,902評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼卖氨!你這毒婦竟也來(lái)了会烙?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,807評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤双泪,失蹤者是張志新(化名)和其女友劉穎持搜,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體焙矛,經(jīng)...
    沈念sama閱讀 46,349評(píng)論 1 318
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,439評(píng)論 3 340
  • 正文 我和宋清朗相戀三年残腌,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了村斟。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片贫导。...
    茶點(diǎn)故事閱讀 40,567評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖蟆盹,靈堂內(nèi)的尸體忽然破棺而出孩灯,到底是詐尸還是另有隱情,我是刑警寧澤逾滥,帶...
    沈念sama閱讀 36,242評(píng)論 5 350
  • 正文 年R本政府宣布峰档,位于F島的核電站,受9級(jí)特大地震影響寨昙,放射性物質(zhì)發(fā)生泄漏讥巡。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,933評(píng)論 3 334
  • 文/蒙蒙 一舔哪、第九天 我趴在偏房一處隱蔽的房頂上張望欢顷。 院中可真熱鬧,春花似錦捉蚤、人聲如沸抬驴。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,420評(píng)論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)布持。三九已至,卻和暖如春陕悬,著一層夾襖步出監(jiān)牢的瞬間鳖链,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,531評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工墩莫, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留芙委,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,995評(píng)論 3 377
  • 正文 我出身青樓狂秦,卻偏偏與公主長(zhǎng)得像灌侣,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子裂问,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,585評(píng)論 2 359

推薦閱讀更多精彩內(nèi)容