科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于模型驱动的图像去噪通常需要先构造先验正则项，在求解优化模型时计算成本较高.基于数据驱动的方法得益于神经网络灵活的架构和强大的学习能力，具有较优越的性能和较高的效率，但往往缺乏足够的可解释性.为此，文中提出基于截断核范数的图像去噪展开网络，结合低秩矩阵恢复中基于截断核范数的模型驱动方法和图像去噪，并将每次迭代看作展开网络的一个阶段，把每个阶段进行连接，形成一个端到端的可训练展开网络.在上述每个阶段中，借助神经网络学习奇异值算子，解决奇异值分解在传统迭代算法中计算代价较高的问题.在多组去噪数据集上的实验验证文中网络的有效性.
- 单位
