联合内容和质量约束的真实图像去噪

来源：信号处理杂志 2024年第6期北京时间：

作者：朱皓晨, 赵墨, 曹刚

摘要：真实图像去噪指从真实的数字照片图像中移除噪声失真，以提升图像的视觉质量。当前性能最优的真实图像去噪模型普遍依赖于逐像素对应的干净/噪声图像对样本集，但其采集困难。针对该挑战，本文提出了一种联合内容和质量约束的真实图像去噪网络CQDeNet，仅利用图像级标注样本完成训练并实现有效去噪。CQDeNet主要包含图像内容约束和图像质量约束两个前后联结的子网络。内容约束网络采用单噪声图像训练骨干网络TECDNet，通过噪声图像中的潜在干净图像信号还原内容信息。质量约束网络利用无参考图像质量评估来约束生成图像的质量，协作引导内容约束网络的优化方向。通过联合这两个子网络，CQDeNet解除了当前无监督方法对输入图像噪声残差零均值假设的限制，因此具有更强的泛化能力和扩展性。测试结果表明，所提方法能有效去除真实图像中噪声，在SSID和DND数据集上的平均PSNR值分别达到34.83 dB和37.21 dB。

关键词：‍‍真实图像去噪, 深度学习, 图像内容约束网络, 图像质量约束网络