RPG-VST：面向盲原始图像降噪的鲁棒泊松-高斯方差稳定化

《IEEE Transactions on Signal and Power Integrity》：RPG-VST: Robust Poisson-Gaussian Variance Stabilization for Blind RAW Denoising

　　摘要：广义Anscombe变换（GAT）方差稳定化技术使预训练的基于高斯模型的噪声消除器能够处理泊松-高斯（PG）原始噪声，但其可靠性取决于拟合的散粒噪声/读出噪声参数。在盲式单图像部署中，这些参数是从低纹理原始图像统计中估计得出的，而这些统计往往受到残余纹理、截断、缺陷像素和读出噪声底限的污染。此类污染导致对数方差残差呈重尾分布，使得普通最小二乘法PG校准变得脆弱，尽管平均PSNR表现良好，仍会导致严重的尾部失效。我们提出了RPG-VST，一种用于盲式原始图像去噪的鲁棒无参考方差稳定化框架。RPG-VST分别为每个颜色滤波阵列（CFA）平面估计PG参数，采用具有鲁棒分块统计和物理约束的Student-t对数方差目标函数。随后，它从分块方差比中估计稳定化域中的噪声水平σ_z，并将其用作可靠性信号。对于每张图像，RPG-VST根据哪种拟合方式使σ_z更接近单位方差，在鲁棒拟合和常规OLS拟合之间进行选择，无需干净参考图或学习阈值。在搭载预训练SwinIR和Restormer去噪器的SID Sony SID50、SIDD和ELD数据集上，RPG-VST在所有六个数据集-骨干网络设置中均提升了平均PSNR。它减少了严重尾部情况（定义为相对于Direct的PSNR增益低于-1 dB的情形），在四种设置中有所减少，在另外两种设置中保持不变。在SIDD数据集上，它取得了+1.83/+1.92 dB的增益，并将严重尾部情况从44/36降至7/4。消融实验表明，σ_z门控机制可防止未门控的鲁棒拟合在以读出噪声为主导的ELD采集图像上出现性能回退。