对“Image Denoising Using an Improved Generative Adversarial Network with Wasserstein Distance“的理解

译："基于Wasserstein距离的改进生成对抗网络图像去噪"

-- Proceedings of the 40th Chinese Control Conference -- 2021

---

一、概括

        这篇文章提出了一种基于WGAN-GP的图像去噪算法。该方法可以从噪声图像中直接生成干净的图像，并能很好地保留图像的纹理细节。利用WGAN-GP损失来对抗损失，避免训练过程中梯度消失，使训练更加稳定，并在生成网络中加入感知损失来提高生成的图像质量，降低计算成本。

二、方法

2.1、降噪模型

        首先，该模型的目的是找到一个G，将退化图像z映射成干净图像x：

2.2、损失函数

        损失如下：

 其中：

2.3、网络结构

        结构如下：

 

三、实验结果