Khử nhiễu Poisson trên ảnh số dựa trên học tương phản tăng cường

Khử nhiễu Poisson trên ảnh số là một thách thức quan trọng trong xử lý ảnh, đặc biệt khi nhiễu phụ thuộc tín hiệu và thay đổi theo cường độ tín hiệu. Các phương pháp khử nhiễu hiện nay chủ yếu dựa trên giả định nhiễu Gaussian, do đó không thể áp dụng hiệu quả với nhiễu Poisson. Nghiên cứu này giới thiệu phương pháp khử nhiễu ảnh thông qua học tương phản có giám sát (PDSCL) nhằm giải quyết vấn đề này. Phương pháp sử dụng mạng nơ-ron để học các biểu diễn thưa, mô hình hóa các vùng ảnh tương tự và lặp lại, từ đó tăng khả năng khử nhiễu. Đồng thời, học tương phản tăng cường được áp dụng bằng cách sử dụng các ảnh nhiễu hoặc đã khôi phục làm ví dụ tiêu cực trong không gian đồng thuận, cải thiện hiệu quả khử nhiễu. Để khắc phục sự mơ hồ trong quá trình học, nhóm tác giả đề xuất chiến lược học sắp xếp ví dụ tiêu cực theo mức độ khó, nhằm tối ưu hóa hiệu suất của giải pháp đề xuất.