去噪算法调优 · 从入门到精通
📚 共计 30 章节
01
噪声的本质与分类
高斯噪声、椒盐噪声、泊松噪声、乘性噪声的数学模型与视觉特征。
数学模型
视觉特征
02
评价指标
PSNR、SSIM、MSE的计算方法与适用场景，如何用Python实现。
PSNR
SSIM
Python
03
经典去噪算法（一）
均值滤波、高斯滤波、中值滤波的原理与OpenCV实现。
OpenCV
滤波
04
经典去噪算法（二）
双边滤波、非局部均值去噪（NLM）的原理与调参技巧。
NLM
调参
05
频域去噪
傅里叶变换与小波变换去噪，低通/高通/带阻滤波器的设计。
小波
滤波器
06
变分法去噪
全变分（TV）去噪模型，梯度下降求解与Python实现。
TV模型
梯度下降
07
稀疏表示去噪
K-SVD字典学习与OMP算法，图像块处理流程。
K-SVD
OMP
08
低秩模型去噪
BM3D算法详解，分组-协同滤波-聚合三步走。
BM3D
协同滤波
09
深度学习去噪（一）
DnCNN网络结构，残差学习与批量归一化。
DnCNN
残差学习
10
深度学习去噪（二）
FFDNet与CBDNet，噪声水平图与盲去噪。
FFDNet
CBDNet
11
深度学习去噪（三）
U-Net与自编码器结构，跳跃连接的作用。
U-Net
跳跃连接
12
深度学习去噪（四）
GAN在去噪中的应用，感知损失与对抗训练。
GAN
感知损失
13
自监督去噪
Noise2Noise、Noise2Void、Self2Self方法。
Noise2Noise
自监督
14
Transformer去噪
SwinIR与Restormer，注意力机制在去噪中的优势。
SwinIR
Restormer
15
去噪数据集
BSD68、Set12、Kodak24、DND、SIDD等数据集介绍与加载。
BSD68
SIDD
16
数据增强
旋转、翻转、裁剪、噪声注入，提升模型泛化能力。
增强
泛化
17
训练策略
学习率调度、权重初始化、正则化、早停法。
学习率
早停
18
损失函数设计
L1/L2损失、感知损失、总变分损失、频域损失。
感知损失
频域
19
超参数调优
网格搜索、随机搜索、贝叶斯优化在去噪中的应用。
贝叶斯优化
调参
20
模型压缩
剪枝、量化、知识蒸馏，让去噪模型跑在移动端。
剪枝
量化
蒸馏
21
实时去噪
引导滤波、快速双边滤波、积分图加速技术。
引导滤波
积分图
22
视频去噪
时域滤波、3D-DCT、VBM4D与FastDVDNet。
VBM4D
FastDVDNet
23
彩色图像去噪
RGB通道处理、YCbCr变换、色彩空间选择。
YCbCr
色彩空间
24
真实噪声建模
泊松-高斯模型、异方差噪声、噪声估计方法。
泊松-高斯
异方差
25
盲去噪
噪声水平估计、多尺度策略、自适应滤波。
盲去噪
自适应
26
去噪与超分联合
Real-ESRGAN、BSRGAN中的去噪模块。
Real-ESRGAN
BSRGAN
27
去噪与去模糊联合
Deblurring-Denoising联合优化框架。
联合优化
去模糊
28
去噪评估与对比
主观评价、客观指标、运行时间、内存占用。
评估
指标
29
去噪工程实践
C++部署、ONNX导出、TensorRT加速。
ONNX
TensorRT
30
去噪前沿与未来
扩散模型去噪、NeRF去噪、事件相机去噪。
扩散模型
NeRF