文件名称：DUBD:深度通用盲图像降噪（ICPR，2020）
文件大小：51.18MB
文件格式：ZIP
更新时间：2024-06-16 05:59:29
Python
杜比 ICPR 2020 Jae Woong Soh和Nam Ik Cho [纸] 环境环境 Ubuntu 18.04 （> = 1.8） CUDA 11.2和cuDNN Python 3.7 抽象的 由于图像采集过程中不可避免的噪声破坏，图像降噪是许多图像处理和计算机视觉任务的重要组成部分。 传统上，许多研究人员在贝叶斯视角下根据图像属性和统计数据对图像先验信号进行降噪研究。 近年来，深度卷积神经网络（CNN）通过合并大规模合成数据集，在图像去噪中显示出了巨大的成功。 但是，它们都有优点和缺点。 尽管深层CNN强大，可以用已知的统计数据消除噪声，但它们往往缺乏针对盲目和现实噪声的灵活性和实用性。 而且，他们不能轻易采用显式先验。 另一方面，传统的非学习方法可能涉及显式的图像先验，但它们需要大量的计算时间，并且无法利用大规模的外部数据集。 在本文中，我们提出了一种基于CNN的方
【文件预览】：
DUBD-master
----testset()
--------CBSD68()
----LICENSE(1KB)
----Model()
--------EST.meta(129KB)
--------AWGN.meta(1.22MB)
--------EST.index(1KB)
--------EST.data-00000-of-00001(1.73MB)
--------AWGN.data-00000-of-00001(23.9MB)
--------AWGN.index(14KB)
----utils.py(2KB)
----README.md(4KB)
----test.py(2KB)
----ops.py(543B)
----main.py(910B)
----figure()
--------spectral.png(730KB)
--------param.png(37KB)
--------result_AWGN.png(116KB)
--------traverse.png(26KB)
--------spatial.png(557KB)
--------prob.png(161KB)
--------traverse_input.png(423KB)
--------anigif2.gif(5.35MB)
--------001.png(1.71MB)
--------CENet.png(151KB)
--------DND.png(71KB)
--------002.png(1.07MB)
--------Denoiser.png(263KB)
----model.py(3KB)