Noise reduction in digital images based on original RAW files using neural networks

В статье представлен метод шумоподавления для RAW фотоизображений, ориентированный на сохранение исходной информации и улучшение качества обработки. Цифровая обработка изображений важна для систем наблюдения и технического зрения, где качество и детализация играют ключевую роль. Предложенный метод основан на сочетании нейронных сетей UNet и HQSNet. HQSNet выполняет полуквадратичное разделение входных данных, выделяя ключевые области и снижая размерность менее значимых. UNet, в свою очередь, эффективно обрабатывает подготовленные данные, сохраняя высокую детализацию и тоновые переходы. Метод тестировался на реальных изображениях, включая сложные сцены с ночным портретом и звездным небом, демонстрируя высокие результаты по метрике MSE и экспертным оценкам. Сравнение с традиционными методами, такими как медианный и Bilateral фильтры, показало превосходство нового подхода как по качеству удаления шума, так и по сохранению деталей изображения. Преимущества метода включают сохранение динамического диапазона и возможность глубокой постобработки. Полученные результаты подтверждают его эффективность в задачах цифровой обработки, что делает разработку перспективной для применения в системах автоматического анализа и улучшения изображений.