摘要

盲图像去噪和通用图像去噪是指使用单一模型对具有任意噪声水平的图像进行去噪。这种方法特别实用，因为在模型开发阶段或测试时无需知道噪声水平。我们提出了一种基于理论基础的盲图像去噪和通用深度学习方法，用于去除加性高斯噪声。我们的网络基于一种最优的去噪解决方案，我们称之为融合去噪。该方案在假设图像先验为高斯分布的情况下通过理论推导得出。合成实验表明，我们的网络对未见过的加性噪声水平具有很强的泛化能力。我们还针对真实图像的去噪任务调整了融合去噪网络架构。我们的方法不仅提高了训练噪声水平下的实际灰度图像去噪PSNR结果，而且在未见过的噪声水平下也表现出色。此外，无论是否经过训练，我们的方法在每个噪声水平上都显著提升了最先进的彩色图像去噪性能，平均提高了0.1dB。