论文标题：Image Denoising: The Deep Learning Revolution and Beyond – A Survey Paper –

论文链接：https://arxiv.org/abs/2301.03362

作者单位：以色列理工学院

图像去噪——从图像中去除加性高斯白噪声——是图像处理中最古老和研究最多的问题之一。几十年来的广泛工作已经产生了数千篇关于这个主题的论文，并为这个任务产生了许多性能良好的算法。 的确，十年前，这些成就已经让一些研究人员怀疑“去噪已死”，因为在这个领域可以实现的一切都已经获得了。 然而，随着深度学习 (DL) 渗透到图像处理领域，事实证明这与事实相去甚远。 深度学习时代为图像去噪带来了一场革命，无论是在当今图像噪声抑制能力上处于领先地位，还是通过拓宽去噪问题的处理范围。 我们的论文首先描述了这种演变，特别强调了图像降噪器设计中经典方法与现代人工智能 (AI) 替代方案之间存在的张力和协同作用。

图像去噪领域最近的转变远远超出了设计更好的去噪器的能力。 在本文的第二部分中，我们关注最近发现的图像降噪器的能力和前景。 我们揭示了使用图像降噪器解决其他问题的可能性，例如正则化一般逆问题并作为基于扩散的图像合成的主要引擎。 我们还揭示了去噪和其他逆问题有没有可能性，正如普通算法让我们相信的那样。 相反，我们描述了为逆问题产生随机和多样化的高质量感知结果的建设性方法，所有这些都受到 DL 在图像去噪方面取得的进步的推动。

这是一篇调研论文，其主要目标是提供图像去噪领域的历史和图像处理中密切相关主题的广阔视野。 我们的目标是为最近的发现以及人工智能革命在我们领域的影响提供更好的背景。

内容中包含的图片若涉及版权问题，请及时与我们联系删除