看了一圈答案也没什么到点上的,谈一些个人理解吧。这三者都属于底层视觉图像修复任务,也是将信息损失后的图像恢复到信息损失前的图像,都是逆任务,要了解图像修复,首先就要知道的是这些底层视觉任务的不同降质因素。
首先是去噪,噪声的来源早起一般单纯用高斯白噪声去建模,然而从相机内部分析,可以含有光子噪声shot noise,读取噪声read noise,热噪声 noise以及将连续信号转化为我们图像离散信号时 noise。现在主流顶会论文的噪声建模一般是shot read noise合并的柏松-高斯分布噪声,可能会再加一些jpeg压缩噪声。图像去噪就是在一张noisy的图像上去掉这些噪声。
其次是超分,超分是把一张低分辨率LR图像复原到高分辨率SR图像,关于低分辨率图像的获取,早期和深度学习早年论文一般就是下采样获得,后面延伸为real-world超分问题其实就已经不止是分辨率的问题了,还会去在图像上添加noise并做模糊核的卷积(模糊核也可以分为相机抖动产生的blur 和各向同以及各向异的高斯),相当于在图像分辨率提升的同时解决噪音和模糊问题。
图像复原其实是一个比较大的topic,我个人认为图像去雾/去雨/去模糊/去噪/超分/HDR重建/暗光增强等等都可以归到这里面,里面任何一个小方向都有很多人做,也都算计算摄影学和底层视觉的子任务。
最后提醒一点,底层视觉是顶会灌水的热点,要学习底层视觉,建议从本质了解,翻出去多看看计算摄影真大佬shree nayar或者 s Brown(这个主要是color)他们的课,还是要多学习底层视觉的根源,血泪教训。
评论(0)