【综述】图像去噪的深度学习:综述，36页pdf，Deep Learning on Image Denoising: An overview

简介：

深度学习技术在图像降噪方面获得了极大的关注。但是，处理噪声的不同类型的学习方法有很大的差异。具体来说，基于深度学习的判别式学习可以很好地解决高斯噪声。基于深度学习的优化模型方法对真实噪声的估计有很好的效果。迄今为止，很少有相关研究来总结用于图像去噪的不同深度学习技术。在本文中，作者对图像去噪中不同深度技术进行了比较研究。我们首先对（1）用于加白噪声图像的深卷积神经网络（CNN），（2）用于真实噪声图像的深CNN，（3）用于盲目去噪的深CNN和（4）用于混合噪声图像的深CNN进行分类，这是噪声，模糊和低分辨率图像的组合。然后，又分析了不同类型的深度学习方法的动机和原理。接下来，将在定量和定性分析方面比较和验证公共去噪数据集的最新方法。最后，论文指出了一些潜在的挑战和未来研究的方向。

简要内容：

图像去噪的深度学习方法的基础框架：

• 机器学习方法
• 神经网络方法
• 卷积神经网络方法

图像去噪中的深度学习技术：

• 用于加白噪声图像的深卷积神经网络
• 深度学习技术可实现真正的噪点图像降噪
• 盲降噪的深度学习技术
• 深度学习技术用于混合噪声图像去噪