Diese Übersicht untersucht die aktuelle Landschaft der auf neuronalen Netzwerken basierenden Methoden zur digitalen Bildrauschverarbeitung. Digitalkameras sind in Bereichen wie Forensik und medizinischer Diagnostik allgegenwärtig geworden, und Bildrauschen bleibt ein kritischer Faktor für die Sicherstellung der Bildqualität. Traditionelle Rauschunterdrückungstechniken sind oft durch umfangreiche Parameterauswahl und ineffiziente Handhabung komplexer Daten eingeschränkt. Im Gegensatz dazu haben neuronale Netzwerke, insbesondere konvolutionale neuronale Netzwerke, Autoencoder und generative gegnerische Netzwerke, bedeutende Fortschritte bei der Rauschschaätzung, -unterdrückung und -analyse gezeigt. Diese Netzwerke können komplexe Rauschmuster verarbeiten, kontextspezifische Daten nutzen und sich mit minimalem manuellem Eingriff an sich entwickelnde Bedingungen anpassen. Dieses Papier beschreibt die Grundlagen der Kamera- und Bildrauschkomponenten sowie bestehende Techniken zu deren Bewertung. Die wichtigsten auf neuronalen Netzwerken basierenden Methoden zur Rauschschaetzung werden kurz vorgestellt. Dieses Papier erörtert die Anwendung neuronaler Netzwerke zur Rauschunterdrückung, Klassifikation, Bildquellenidentifikation und zur Extraktion einzigartiger Kamerafingerabdrücke durch photoresponse non-uniformity. Außerdem werden die Herausforderungen bei der Erstellung zuverlässiger Trainingsdatensätze und der Trennung von Bildrauschen und Fotosensoraus Rauschen hervorgehoben, was ein grundlegendes Problem bleibt.
Volkov et al. (Donnerstag) untersuchten diese Frage.