去除摩尔纹，治愈强迫症, 来卷网盘赛，榜评0.55623

---

数字屏幕在现代日常生活中无处不在：我们在家里有电视屏幕，在办公室有笔记本电脑/台式机屏幕，在公共场所有大尺寸LED屏幕。拍摄这些屏幕的图片以快速保存信息已成为一种惯例。然而，在对这些屏幕拍照的时候通常会出现波纹图像，从而降低了照片的图像质量。当两个重复的图案相互干扰时，出现摩尔纹图案。在拍摄屏幕图片的情况下，相机滤色镜阵列（CFA）会干扰屏幕的亚像素布局。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

去除摩尔纹，治愈强迫症, 来卷网盘赛,榜评0.55623

采用多尺度bandpass 卷积神经网络（MBCNN）来去除摩尔纹。 Image Demoireing with Learnable Bandpass Filters, CVPR2025

百度网盘AI大赛：文档图像摩尔纹消除(赛题一)

一、背景

数字屏幕在现代日常生活中无处不在：我们在家里有电视屏幕，在办公室有笔记本电脑/台式机屏幕，在公共场所有大尺寸LED屏幕。拍摄这些屏幕的图片以快速保存信息已成为一种惯例。然而，在对这些屏幕拍照的时候通常会出现波纹图像，从而降低了照片的图像质量。当两个重复的图案相互干扰时，出现摩尔纹图案。在拍摄屏幕图片的情况下，相机滤色镜阵列（CFA）会干扰屏幕的亚像素布局。

与去噪、去马赛克、颜色恒定、锐化等其他图像修复问题不同，人们对图像去伪存真(demireing)的关注较少，它是指从被摩尔纹污染的图像中恢复基本的干净图像。这个问题在很大程度上仍然是一个未解决的问题，由于摩尔纹图案在频率、形状、颜色等方面的巨大变化。

二、模型设计

华为方舟提出了一种新颖的多尺度bandpass 卷积神经网络（MBCNN）来解决这个问题。作为端到端解决方案，MBCNN分别解决了两个子问题。对于纹理恢复子问题，提出了一个可学习的带通滤波器（LBF），以了解去除摩尔纹之前的频率。对于颜色恢复子问题，提出了两步色调映射策略，该策略首先应用全局色调映射来校正全局色彩shift，然后对每个像素执行颜色的局部微调。

数码相机捕获的含摩尔纹的图像可以建模为：

其中ψ-1是ψ的反函数，在图像处理领域被称为色调映射函数。以此模型建模，图像去摩尔纹任务可以分为两步，即摩尔条纹去除和色调映射。

1、Multiscale bandpass CNN

1.1、 Multi-Branch Encoder

整体的模型在三个scales上工作，并具有三种不同类型的blocks，分别是波纹纹理去除块（MTRB），全局色调映射块（GTMB）和局部色调映射块（LTMB）。

首先将具有h×w×c形状的输入图像I可逆地向下采样为四个h/2×w/2×4c形状的子图像。下面的网络由三个分支组成，每个分支用于恢复特定比例的波纹图像，同时每个分支顺序地执行摩尔纹去除和色调映射，最终输出放大后的图像，并将其融合到更小比例的分支中。在分支I和II中，将当前分支的特征和较粗的缩放分支的输出特征融合后，将其他GTMB和MTRB堆叠在一起，以消除缩放比例引起的纹理和颜色错误。

1.2、Moire texture removal

摩尔纹可以表示为：

按照这种公式，我们可以先估计不同尺度和频率的波纹纹理的分量，然后基于所有估计的分量重建波纹纹理。Block-DCT是处理频率相关问题的有效方法。

其中D表示Block-DCT函数。

Learnable Bandpass Filter

受隐式DCT的启发，可以用深度CNN直接估计 implicit frequency spectrum(IFS) 。由于变换都是线性的，因此可以用一个简单的卷积层来建模。由于Moire纹理的频谱总是有规律的，我们可以使用带通滤波器来放大某些频率，减弱其他频率。然而，在建模之前我们很难得到频谱，因为在不同的尺度上，会有几个频率，而且它们也会相互影响。为了解决这个问题，提出了一种可学习的带通滤波器(LBF)来学习摩尔纹图像的先验。LBF为每一个频率引入了一个可学习的权重。

1.3 Tone mapping 色调映射

RGB颜色空间是一个非常大的空间，包含256的3次方种颜色，因此很难进行逐点色调映射。观察到摩尔纹图像和干净图像之间存在颜色偏移，本文提出了一种两步色调映射策略，其中包含两种类型的色调映射块：全局色调映射块（GTMB）和局部色调映射块（LTMB）。

全局色调映射块Global tone mapping block

注意力机制已经被证明在许多任务中是有效的，并且已经提出了几种通道注意模块。GTMB可以看作是一个通道注意模块。然而，GTMB与现有的通道注意模块在几个方面有所不同。 首先，现有的通道注意力块总是由一个Sigmoid单元激活，而GTMB中的γ没有这样的约束。其次，通道注意力是直接应用在现有通道注意力块的输入上，而GTMB中的γ是应用在局部特征Flocal上。最后，现有的通道注意力模块的目的是进行自适应的channel-wise特征重新校准；GTMB的目标是进行全局的颜色偏移，避免不规则和不均匀的局部颜色伪影。

 

局部色调映射块Local tone mapping block

三、损失函数

将L1损失用作基本损失函数，因为已经证明 L1损失比L2损失对图像恢复任务更有效。但是，L1损失本身是不够的，因为它是无法提供结构信息的逐点损失，而摩尔纹是 structural artifact。特提出了Advanced Sobel Loss（ASL）来解决此问题。

与经典Sobel Loss相比，ASL提供了两个额外的45°方向Loss，它们可以提供更丰富的结构信息。 

总的损失函数为：

四、实验

In [1]

#1.解压数据集#%cd /home/aistudio#!unzip data/data121008/moire_train_dataset.zip -d data/train >/dev/null#!unzip data/data121008/moire_testA_dataset.zip -d data/testA >/dev/null

/home/aistudio

In [4]

%cd /home/aistudio
!unzip data/data126181/moire_testB_dataset.zip -d data/testB >/dev/null

/home/aistudio

In [ ]

#2.数据读取 #!cat work/dataset.py

In [ ]

#3.模型定义#!cat work/model.py

In [ ]

#4.定义训练方式#!cat work/train.py

In [ ]

#5.训练，日志在vdl_log目录下，可用左侧的VisualDL的数据模型可视化功能，查看训练进程#%cd /home/aistudio/#!python work/train.py

In [ ]

#6.预测结果%cd /home/aistudio/
!python work/predict.py --dataset_root /home/aistudio/data/testB/moire_testB_dataset/ --pretrained /home/aistudio/checkpoint/final-640.pdparams

In [ ]

#7.打包提交文件#%cd /home/aistudio/output/#!zip result.zip *.jpg  *.txt

五、总结

项目为了演示目的，只使用了比赛的数据集。

针对比赛任务，模型还有很多优化空间，四个方向供参考：

1. 数据：利用外部数据集进行预训练或者直接转换预训练模型，然后在比赛数据集上微调；

2. 模型：针对数据集的特点，优化模型结构；

3. Loss：采用论文中提出的L1和SoberLoss混合损失来训练；

4. 训练：调整训练策略和超参数据。

MBCNN当前在TIP2018数据集榜上综合指标排名暂列第一，PSNR为30.03，SSIM为0.893。

# 提出了  # 通滤波器  # 用在  # 在对  # 在家里  # 锐化  # 可以用  # 很难  # 两步  # 是一个  # python  # cnn  # channel  # 堆  # Filter  # red  # 百度  # 百度网盘  # ai  # 电脑 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 网络优化91478 】 【 技术知识72672 】 【 云计算0 】 【 GEO优化84317 】 【 优选文章0 】 【 营销推广36048 】 【 网络运营41350 】 【 案例网站102563 】 【 AI智能45237 】

相关推荐： N8N自动化营销：无需编程实现AI智能获客  DeepSeek AI：AI通用谜题解题器，解题思路全解析  ChatGPT图像生成器完全指南：文化影响、伦理挑战与商业变革  Claude怎样写引导型提示词_Claude引导提示词写法【方法】  AI时代生存指南：掌握软实力，成为不可替代的人  Mermaid Playground: AI驱动的图表秒速创建指南  为什么你的简历过不了筛选？用AI帮你诊断并修复漏洞  Gemini怎样写细节型提示词_Gemini细节提示词编写【步骤】  GitHub Copilot与Azure AI Foundry模型：加速AI编程实践  使用Go语言构建图像识别系统：完整指南  如何利用文心一言优化知乎高赞回答的逻辑结构  豆包AI怎么评价回答的好坏_点赞与反馈功能使用教程  AI 时代高效开发：版本控制与 AI 协同工作流  探索Roblox：虚拟角色定制与互动乐园  AI论文写作终极指南：DeepSeek与HIX Bypass结合使用教程  使用 DeepSeek 生成符合工业标准的 API 文档  千问怎样用提示词获取健康建议_千问健康类提示词注意事项【指南】  如何在 Google Sheets 中利用 Gemini 自动填充数据  百度ai助手怎么取消 百度ai助手取消显示设置  WorkPPT：AI驱动的PPT制作神器，效率提升不止10倍！  批改网AI检测工具怎样开启实时检测_批改网AI检测工具实时检测开启与延迟设置【指南】  AI图像生成偏见：克服与优化，打造更真实的数字形象  AI赋能保险销售：提升邮件营销效果的终极指南  普通人如何用DeepSeek月入过万？2026最新赚钱路径全解析！  AI赋能副业：五大掘金机会，轻松开启智能创收时代  快速生成PPT工具怎么用_快速生成PPT工具使用方法详细指南【教程】  5分钟教你用AI生成短视频分镜脚本，小白也能拍大片  即梦ai能否生成国风插画_即梦ai国风元素调用与文化符号添加【技巧】  Ocfotech AI 房地产工具：提升房地产投资效率的终极指南  tofai登录入口官网 tofai网页版地址链接  利用 DeepSeek 辅助进行编译器原理课程学习  Logic Pro 11更新全面解析：免费升级、AI功能与音乐制作流程  Speerise亮面体操服测评：舒适与时尚的完美结合  AI社交媒体自动化：n8n与HeyGen打造个性化内容引擎  教你用AI将长视频内容切片，并自动生成短视频文案  百度AI搜索怎样设置搜索偏好_百度AI搜索偏好设置与个性化推荐【技巧】  AI 和 Plagiarism Checker：SEO 内容创作的终极指南  2025 YouTube自动化终极指南：利用AI实现高效内容创作和多平台发布  豆包Ai官方网页版入口地址_豆包Ai官网在线使用入口  冷邮件营销新策略：工作坊模式助力B2B销售增长  百度输入法ai模式怎么关 百度输入法恢复普通模式  tofai官网网页版入口 tofai最新网页版登录链接  ChatGPT一键生成PPT怎么加动画_ChatGPTPPT动画添加【指南】  PlotDot Horizon：AI编剧工具颠覆好莱坞？深度评测  BEILA：用AI驱动的低代码开发平台详解  如何利用 DeepSeek 进行多轮复杂对话的状态管理  豆包Ai在线使用入口_豆包Ai官方网站最新登录地址  都灵裹尸布之谜：AI揭示耶稣基督的真实面貌？  AI数据分析报告生成工具有哪些_一键生成可视化报告的AI工具推荐  Midjourney怎么用一键生成漫画_Midjourney漫画生成方法【攻略】 

 2025-07-18