基于傅里叶域优化的图像去摩尔纹研究

近年来，基于深度学习的方法在图像去摩尔纹任务上取得了巨大成功，但要从摩尔纹图像恢复自然且感知良好的图像仍然具有挑战性。现有的去摩尔纹模型通常依赖空间域损失进行优化。然而，在使用这些损失优化的过程中存在频谱偏差问题，导致高频摩尔纹图案的去除不充分。针对这一问题，提出了一种在傅立叶域进行优化的方法，利用频率信息来增强图像去摩尔纹过程。具体来说，引入傅里叶空间损失对去摩尔纹图像的频率施加限制以指导恢复，帮助去摩尔纹网络更加关注频率一致性。实验结果表明，在利用傅里叶空间损失进行优化后，ESDNet模型的PSNR达到了45.3325dB，实现了1.6%的提升。