基于注意力机制和扩增感受野的真实图像盲去噪
杜延墨
沈三民
张炳玮
中北大学仪器科学与动态测试教育部重点实验室 太原 030051
摘要：在图像去噪任务中,为了在空间信息和上下文语义信息之间取得良好的平衡,提出了一个基于注意力机制和扩增感受野的真实图像去噪网络.此网络由噪声估计和非盲去噪两部分组成,通过核扩张扩大感受野,在正向连接和横向跳跃连接中嵌入注意力机制,以高效地捕捉与任务相关的特征信息,在一定程度上保留上下文语义信息.采用非对称损失和全变差损失的线性组合作为损失函数,以应对真实图像中复杂多变的噪声类型,提高模型的泛化能力.实验结果表明,该方法在SIDD和DND数据集上的结构相似性(structural similarity,SSIM)分别达到88%和95%,峰值信噪比(peak signal to noise ratio,PSNR)分别达到35.48 dB和39.16 dB,取得了较好的图像去噪效果.
关键词：图像去噪注意力机制扩张卷积深度学习
分类号：TP391(计算技术、计算机技术)
论文发表日期：2025-07-20
在线出版日期：2025-09-25（本平台首次上网日期，不代表文献的发表时间）
页数：5( 32-35,85 )
英文信息