图像去噪方法研究--基于迭代优化与深度学习方法9787567306370

第1章绪论

1.1背景及意义

1.1.1成像技术

1.1.2图像噪声来源分析1.1.3图像去噪研究意义1.2

相关研究现状

1.2.1图像估噪研究现状1.2.2单帧图像去噪研究现状1.2.3多帧图像去噪研究现状1.3本书研究的内容与贡献1.4本书的组织结构

第2章

基于深度残差神经网络的逐像素图像噪声水平估计

2.1引言

2.2方法

2.2.1估噪问题的形式化

2.2.2网络结构

2.2.3损失函数

2.2.4模型训练

2.3实验

2.3.1实验设置

2.3.2在模拟均匀噪声上的对比

2.3.3在模拟非均匀噪声上的对比

2.3.4在真实图像上的可视结果

2.3.5将逐像素估噪用于深度学习去噪

2.3.6运行时间对比

2.4小结

第3章基于交替方向乘子法的联合去马赛克去噪613.1引言

3.2方法

3.2.1问题形式化建模

3.2.2先验设计

3.2.3模型求解

3.3实验

3.3.1实验设置

……

第5章基于深度神经网络的多帧图像去噪

5.1引言

5.2基于深度神经网络的多帧RGB 图像去噪

5.2.1问题形式化建模

5.2.2网络设计

5.2.3生成训练数据

5.2.4实现与训练细节

5.2.5实验

5.3基于深度神经网络的多帧Raw图联合去马赛克去噪150

5.3.1问题形式化建模

5.3.2网络设计

5.3.3模型训练

5.3.4实验

5.4小结

第6章总结与展望

6.1总结

6.2展望

参考文献

本书针对数字图像去噪的相关问题总结了国内外研究现状，通过深度卷积网络模型对图像估噪问题进行建模和求解，为后续图像去噪工作奠定基础，从经典的最小化模型开始，研究图像去噪的一个子问题——联合去马赛克去噪，探索使用共同的图像先验解决这一问题的方法。利用深度卷积网络模型更好地解决图像联合去马赛克去噪问题，同时结合图像估噪工作，利用深度卷积网络模型直接求解图像盲去噪问题，将深度卷积网络去噪模型拓展到多帧去噪问题，利用多帧图像的帧间相似性，进一步提升去噪性能。