题目：Representing Noisy Image Without Denoising
无需去噪的含噪图像表示
作者：Shuren Qi; Yushu Zhang; Chao Wang; Tao Xiang; Xiaochun Cao; Yong Xiang
源码链接： https://github.com/ShurenQi/FMR
摘要
在人工智能领域，一个长期的话题是从噪声图像中有效识别模式。在这方面，最近的数据驱动范式考虑1) 通过在训练阶段添加噪声样本来提高表示的鲁棒性（即数据增强）或2) 通过学习解决逆问题来预处理噪声图像（即图像去噪）。然而，这些方法通常过程效率低下且结果不稳定，限制了它们的实际应用。在本文中，我们探索了一种非学习范式，旨在直接从噪声图像中推导出鲁棒的表示，无需将去噪作为预处理。在这里，噪声鲁棒表示被设计为Radon空间中的分数阶矩（FMR），同时具有正交性和旋转不变的有益属性。与早期的整数阶方法不同，我们的工作是一个更通用的设计，将这些经典方法视为特殊情况，并且引入的分数阶参数提供了传统方法中不可用的时
标签：无需,含噪,TPAMI,噪声,2024,图像,FMR,Xiang From： https://blog.csdn.net/qq_42722197/article/details/142746488