Color Image Restoration Exploiting Inter-Channel Correlation With a 3-Stage CNN

人工智能 脱模 计算机科学 频道(广播) 图像复原 计算机视觉 彩色图像 卷积神经网络 图像质量 特征(语言学) 像素 颜色深度 模式识别(心理学) 图像(数学) 图像处理 电信 语言学 哲学
作者
Kai Cui,Atanas Boev,Elena Alshina,Eckehard Steinbach
出处
期刊:IEEE Journal of Selected Topics in Signal Processing [Institute of Electrical and Electronics Engineers]
卷期号:15 (2): 174-189 被引量:16
标识
DOI:10.1109/jstsp.2020.3043148
摘要

Image restoration is a critical component of image processing pipelines and for low-level computer vision tasks. Conventional image restoration approaches are mostly based on hand-crafted image priors. The inter-channel correlation of color images is not fully exploited. Motivated by the special characteristics of the inter-channel correlation (higher correlation for red/green and green/blue channels than for red/blue) in color images and general characteristics (green channel always shows the best image quality among the three color components) of distorted color images, in this paper, a three-stage convolutional neural network (CNN) structure is proposed for color image restoration tasks. Since the green channel is found to have the best quality among all three channels, in the first stage, the network is designed to reconstruct the green component. Then, with the guidance of the reconstructed green channel from the first stage, the red and blue channels are reconstructed in the second stage with two parallel networks. Finally, the intermediate reconstructions from the previous stages are concatenated and further refined jointly. We demonstrate the capabilities of the proposed three-stage structure with three typical color image restoration tasks: color image demosaicking, color compression artifacts reduction, and real-world color image denoising. In addition, we integrate pixel-shuffle convolution into our scheme to improve the efficiency, and also introduce a quality-blind training strategy to simplify the training process for the compression artifacts reduction task. Extensive experimental results and analyses show that the proposed structure successfully exploits the spatial and inter-channel correlation of color images and outperforms the state-of-the-art image reconstruction approaches.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
小柴胡颗粒完成签到 ,获得积分20
2秒前
鞑靼完成签到 ,获得积分10
8秒前
666发布了新的文献求助10
9秒前
魏白晴完成签到,获得积分10
17秒前
文献互助1完成签到 ,获得积分10
20秒前
郝君颖完成签到 ,获得积分10
26秒前
nykal完成签到 ,获得积分10
27秒前
上善若水呦完成签到 ,获得积分10
34秒前
liner完成签到 ,获得积分10
34秒前
海阔天空完成签到,获得积分10
35秒前
水晶李完成签到 ,获得积分10
38秒前
YifanWang完成签到,获得积分10
40秒前
jason完成签到 ,获得积分10
42秒前
thchiang完成签到 ,获得积分10
49秒前
小陈完成签到,获得积分10
53秒前
teaser完成签到 ,获得积分10
55秒前
ewind完成签到 ,获得积分10
56秒前
胖胖完成签到 ,获得积分10
58秒前
细心的语蓉完成签到,获得积分10
59秒前
凡人丿完成签到 ,获得积分10
59秒前
1分钟前
123完成签到,获得积分10
1分钟前
小静完成签到 ,获得积分10
1分钟前
huisu发布了新的文献求助10
1分钟前
WSY完成签到 ,获得积分10
1分钟前
衣蝉完成签到 ,获得积分10
1分钟前
Hank完成签到 ,获得积分10
1分钟前
liguanyu1078完成签到,获得积分10
1分钟前
rad1413完成签到 ,获得积分10
1分钟前
spy完成签到 ,获得积分10
1分钟前
大白完成签到 ,获得积分10
1分钟前
Patrick完成签到 ,获得积分10
1分钟前
清净126完成签到 ,获得积分10
1分钟前
莹66完成签到 ,获得积分10
1分钟前
俊逸吐司完成签到 ,获得积分10
1分钟前
雪山飞龙完成签到,获得积分10
1分钟前
虚幻的冰露完成签到 ,获得积分10
1分钟前
焚心结完成签到 ,获得积分10
1分钟前
禾苗完成签到 ,获得积分10
2分钟前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
叶剑英与华南分局档案史料 500
Foreign Policy of the French Second Empire: A Bibliography 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3146856
求助须知:如何正确求助?哪些是违规求助? 2798171
关于积分的说明 7826733
捐赠科研通 2454724
什么是DOI,文献DOI怎么找? 1306446
科研通“疑难数据库(出版商)”最低求助积分说明 627788
版权声明 601565