深度学习在计算机视觉领域应用非常成功，促进了图像降噪和多帧图像降噪领域的快速发展。本文针对多帧图像降噪问题，提出一种从多帧噪声图像中恢复清晰图像的方法。该方法结合BM3D（块匹配和三维滤波，block-matching and 3D filtering）算法和卷积神经网络（CNN）模型完成多帧图像降噪任务。该CNN模型基于分治法的思想设计。首先，用BM3D算法处理带噪声的多帧图像。然后，将预处理后的图像和原始噪声图像分别输入CNN模型的两个并行分支。最后，用一个轻量级CNN模块融合两个分支的输出得到最终图像估计。与以往研究不同，我们对CNN中两个并行分支分配了不同约束函数——信号约束和噪声约束，以提升模型提取不同特征的能力。此外，引入图像块匹配策略解决帧不对齐问题。在合成和真实噪声图像上的实验结果表明，该算法与其他算法相比具有一定竞争力。
京公网安备 11010502051620号
