Unsupervised noisy image segmentation using deep image prior

Alessandro Benfenati

doi:10.1016/j.matcom.2025.07.052

Unsupervised noisy image segmentation using deep image prior

2025-08-05

0

PRE

AI

DOI：10.1016/j.matcom.2025.07.052

原文链接

原文求助

摘要

En 中文

所谓Deep Image Prior范式在逆问题与深度学习的交叉领域是一项卓越的进展。通过利用深度网络的固有正则化特性，Deep Image Prior近期已成为解决各种成像问题（包括去噪、JPEG伪影去除、图像补全和超分辨率）的里程碑方法。本文旨在将Deep Image Prior思想扩展到噪声图像分割领域，以同时受益于传统的变分模型和新的深度学习技术。事实上，所得方法是一种基于最小化非常著名的变分能量（如Mumford-Shah泛函及其由Ambrosio和Tortorelli提出的近似）的无监督深度学习方法，这些能量通过卷积神经网络权重的适当参数化进行表达。网络提供的隐式正则化能够使传统变分模型在两方面更稳健：一是针对污染数据中的噪声，二是针对平衡正则项作用的参数选择。在噪声分割问题上的多项数值实验展示了所提方法的良好效果。

Keyword:

Deep Image Prior

image segmentation

variational models

convolutional neural networks

noise robustness

Unsupervised noisy image segmentation using deep image prior

摘要

期刊

机构

引用论文