一、论文
《RIDNet: Recursive Information Distillation Network for Color Image Denoising》
与灰度图像相比，彩色图像降噪在有效性方面更具挑战性。 大多数现有方法在效率或灵活性方面都起着一定作用，但是缺乏处理各种噪声水平（尤其是严重噪声）的鲁棒性。 这使它们无法实际应用于彩色图像降噪。 为了解决此问题，我们提出了一种基于CNN的强大降噪器，即递归信息蒸馏网络（RIDNet），以在高噪声水平下处理降噪任务。 所提出的RIDNet分别通过引入信息蒸馏模块和合并可调噪声级图作为输入来同时保持效率和灵活性。 在加性高斯白噪声（AWGN）图像上的实验结果表明，我们的方法优于大多数最新的彩色图像降噪器。
