文件名称：matlab换照片底色代码-PD-Denoising-pytorch:“基于AWGN的降噪器遇到真实噪声时”的代码
文件大小：254.68MB
文件格式：ZIP
更新时间：2024-06-09 20:50:42
系统开源
matlab换照片底色代码 PD去噪 | 这是论文“当基于AWGN的Denoiser遇到真实噪声时”的正式pytorch实现，并且部分代码是从的pytorch实现初始化的。 我们修改了基本模型的结构和数据生成过程，并重新编写了测试程序以使其适用于真实的噪点图像。 可以在代码实现中找到更多详细信息。 抽象的 基于判别式学习的图像降噪器在合成噪声（例如加性高斯噪声）方面取得了令人鼓舞的性能。 然而，它们在具有真实噪声的图像上的性能通常不令人满意。 主要原因是实际噪声主要是空间/通道相关的，而空间/通道是可变的。 相反，在大多数先前的工作中采用的合成加性高斯白噪声（AWGN）是独立于像素的。 在本文中，我们提出了一种新颖的方法来提高仅使用合成像素无关噪声数据进行训练的真实图像降噪器的性能。 首先，我们训练一个深度模型，该模型包含一个噪声估计器和一个带有混合AWGN和随机值脉冲噪声（RVIN）的去噪器。 然后，我们研究像素改组下采样（PD）策略，以使训练后的模型适应实际噪声。 大量实验证明了该方法的有效性和泛化能力。 值得注意的是，我们的方法在DND基准测试中对真实的sRGB图像实现了最先进的
【文件预览】：
PD-Denoising-pytorch-master
----models.py(3KB)
----utils.py(19KB)
----logs()
--------logs_gray_MC_AWGN_RVIN()
--------logs_color_MC_AWGN_RVIN()
----data()
--------beijing()
--------real_patch()
----test.py(12KB)
----run_train.sh(235B)
----train.py(13KB)
----Demo_on_full_image.py(6KB)
----dataset.py(8KB)
----run_test_on_real_patches.sh(289B)
----README.md(8KB)
----fig()
--------basic.png(719KB)
--------dnd.png(1.94MB)
--------night.png(1.68MB)
--------table.png(603KB)
--------rni15.png(964KB)
--------teaser.png(609KB)
----denoiser.py(6KB)
----run_test_on_full_images.sh(310B)