联合内容和质量约束的真实图像去噪

真实图像去噪指从真实的数字照片图像中移除噪声失真,以提升图像的视觉质量。当前性能最优的真实图像去噪模型普遍依赖于逐像素对应的干净/噪声图像对样本集,但其采集困难。针对该挑战,本文提出了一种联合内容和质量约束的真实图像去噪网络CQDeNet,仅利用图像级标注样本完成训练并实现有效去噪。CQDeNet主要包含图像内容约束和图像质量约束两个前后联结的子网络。内容约束网络采用单噪声图像训练骨干网络TECDNet,通过噪声图像中的潜在干净图像信号还原内容信息。质量约束网络利用无参考图像质量评估来约束生成图像的质量,协作引导内容约束网络的优化方向。通过联合这两个子网络,CQDeNet解除了当前无监督方法对输入图像噪声残差零均值假设的限制,因此具有更强的泛化能力和扩展性。测试结果表明,所提方法能有效去除真实图像中噪声,在SSID和DND数据集上的平均PSNR值分别达到34.83 dB和37.21 dB。

认知诊断CAT中具有非统计约束选题方法的比较

项目曝光控制和内容约束关系到测验安全、测验的信度和效度,是计算机化自适应测验(Computerized Adaptive Testing,CAT)中两类重要的非统计约束条件。本文在认知诊断CAT中针对内容约束和项目曝光控制要求,运用5种方法选择测验项目。它们分别是:(1)Monte Carlo方法与项目合格方法相结合,记为MC-IE;(2)Monte Carlo方法与最大优先指标方法相结合,记为MC-MPI;(3)Monte Carlo方法与限制阈值方法相结合,记为MC-RT;(4)Monte Carlo方法与限制进度指标方法相结合,记为MC-RPG以及(5)Monte Carlo方法与最大后验概率方法相结合,记为MC-PP。然后通过在线性、收敛、发散、无结构和独立五种属性结构下构建题库并运用重参化融融统和模型模拟被试反应比较它们的选题表现。研究发现,(1)相同选题方法在不同属性结构下项目曝光率的分布类似,测量精度按线性、收敛、发散、无结构和独立结构的顺序依次降低;(2)相同属性结构下,不同方法的测量精度高低依次为MC-PP、MC-IE、MC-RT、MC-MPI和MC-RPG方法;项目曝光均匀性优劣依次为MC-RPG、MC-MPI、MC-RT、MC-IE和MC-PP方法。统一量纲值表明,MC-RPG方法的综合表现最好,MC-MPI方法的表现次之。