基于噪声鲁棒对比损失的图像去噪

针对图像复原过程中,观测图像由于成像偏差,环境系统随机噪声等原因造成的偏差问题,在进行特征提取时,采用深度学习获取图像的语义特征信息,从而更好地获取图像的语义边缘信息。进行数据标注时,为了规避传统标注的不准确的情况,在不利用标签信息的情况下,为减轻甚至消除由于随机采样导致的假阴性样本对(FNP),提出了一种噪声鲁棒的对比损失函数,该函数可自适应地防止FNP给网络优化带来的消极影响。通过实验验证了方法的有效性。