TY -的A2 -弗朗哥,莱昂纳多AU - Tan,翰林AU -肖,华新AU -赖,世明非盟——刘昱盟——张Maojun PY - 2019 DA - 2019/09/09 TI - Pixelwise相互依赖图像噪声估计使用深层残留学习SP - 4970508六世- 2019 AB -在传统图像去噪,噪声水平是一个重要的标量参数，它决定了输入噪声图像的平滑程度。现有的噪声估计方法通常假设每个像素处的噪声水平是恒定的。然而，现实世界的噪声是信号相关的，或噪声水平不是恒定的整个图像。在本文中，我们试图估计精确的像素级噪声水平，而不是一个简单的全局标量。据我们所知，这是关于这一问题的第一次工作。特别地，我们提出了一种深度卷积神经网络“深度残差噪声估计器”(deep residual noise estimator, DRNE)，用于像素级噪声估计。我们仔细设计了DRNE的架构，它由一堆自定义的残块组成，没有任何池化或插值操作。提出的DRNE将噪声估计过程定义为像元到像元的预测。实验结果表明，与现有的非齐次噪声估计方法相比，DRNE能获得更好的非齐次噪声估计性能。 In addition, the DRNE can bring denoising performance gains in removing signal-dependent Gaussian noise when working with recent deep learning denoising methods. SN - 1687-5265 UR - https://doi.org/10.1155/2019/4970508 DO - 10.1155/2019/4970508 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -