面向真实照片的卷积盲去噪 纸版 ISP /反向ISP运算符的Python实现和一些资料 (与Matlab代码不完全相同) 1.摘要 尽管深卷积神经网络(CNN)在高斯降噪方面取得了成功,但在实际嘈杂的照片上仍然非常有限,甚至可能比BM3D表现差。 为了提高深度去噪模型的鲁棒性和实用性,本文提出了一种融合了网络架构,非对称学习和噪声建模的卷积盲去噪网络(CBDNet)。 我们的CBDNet由一个噪声估计子网和一个去噪子网组成。 受BM3D对噪声估计误差的不对称敏感性的影响,在噪声估计子网络上进行了非对称学习,以抑制更多的噪声水平估计不足。 为了使学习的模型适用于真实照片,结合了基于信号依赖噪声模