18年ECCV的文章，中科大做圖像處理的組，這篇文章指出目前存在的圖像去噪的方法主要有兩種：(a)?基于圖像內(nèi)部自相關(guān)性的方法，如BM3D；(b)?基于外部樣本學(xué)習(xí)的方法，如DnCNN，但是這兩種效果都可以再提升，所以將Boosting用到圖像去噪里。整個文章的思路就如下式：

其中，G( )表示某種降噪模型。上式將第n次恢復(fù)的圖像x(n)與原始帶噪聲的圖像y相加，得到增強(qiáng)的信號作為第n+1次恢復(fù)的輸入。為了約束各像素的數(shù)值，使boosting操作可迭代進(jìn)行，上式將G( )所得的結(jié)果減去x(n)，得到第n+1步的恢復(fù)圖像x(n+1)。

把G函數(shù)里面展開為：

v是原始噪聲圖像中所含的噪聲，u是第n次去噪后的圖像中所含的噪聲，那么理論上在有效的去噪模型下v >= u的，所以根據(jù)Cauchy-Schwarz不等式容易推導(dǎo)出y+xn的信噪比將大于原始輸入信號y，這就完成了Boosting的操作。然后如何將這個Boosting結(jié)合到CNN中，作者進(jìn)行了如下的網(wǎng)絡(luò)設(shè)計(jì)：

其對應(yīng)的過程如下式，同最上的公式相比，去除掉了最后的-xn的步驟，將迭代展開成端對端的過程，便于訓(xùn)練。

然后就是正經(jīng)的網(wǎng)絡(luò)結(jié)構(gòu)了，D表示擴(kuò)張卷積，后面的數(shù)字是卷積核大小。文章用了整整一章講述了這四個模型分別是什么，但根據(jù)圖應(yīng)該就能看出來，從上到下依次加深復(fù)雜度，但是我還真沒看出來下圖和上面所說的Boosting有什么聯(lián)系，這不就是res結(jié)構(gòu)么，希望大神不吝賜教。

去噪的結(jié)果是比dncnn高了0.3，這點(diǎn)是值得肯定的，所以他的卷積和擴(kuò)張卷積同步處理再結(jié)合的思想是可以借鑒的

?