基于先验驱动的泊松去噪变分深度神经网络

作者：李倩; 魏伟波; 杨光宇; 宋金涛; 孙璐; 潘振宽^*

来源：计算机工程, 2023, 1-13.

DOI：10.19678/j.issn.1000-3428.0067130

• 泊松噪声去除
• 卷积神经网络
• 去噪先验
• 变分模型
• 交替方向乘子法

泊松噪声去除是典型的病态逆问题，其变分模型方法需反复迭代和调节参数，计算效率低，而纯深度学习的方法往往依据经验设计网络，可解释性差。针对以上问题，本文在泊松噪声去除变分模型的交替方向乘子法展开的基础上设计了相应的端到端的深度学习网络模型，通过结合泊松噪声分布统计量与Bayesian最大后验概率估计，推导出泊松噪声的去噪模型。为了求解所提出的泊松去噪能量函数极值问题，本文采用交替方向乘子法，通过引入适当的辅助变量、拉格朗日乘子和惩罚参数，将原变分模型分解为高斯噪声去除和图像重建两类交替优化子问题。前者可设计为一个深度卷积神经网络，后者可解析迭代求解。与NLPCA、VST+BM3D、I+VST+BM3D、TRDPD方法相比，该方法在Set12数据集上的峰值信噪比平均值分别提高2.97dB、0.87dB、0.57dB、0.5dB，结构相似性平均值分别提高0.148、0.046、0.039、0.023，在彩色图像和PET/CT图像的泊松噪声去除上亦有明显视觉效果的提升。该方法不仅有效的去除了泊松噪声，也避免了泊松噪声图像去噪过程中产生的伪影和散斑等问题。

• 单位
  青岛大学