多尺度注意力交互式图像去噪网络
罗军伟
张真
雒芬
乔应旭
霍占强
河南理工大学 计算机科学与技术学院,河南 焦作 454000
摘要：图像去噪中,针对去噪网络提取图像细节信息不全面和特征利用率低的问题,提出一种基于深度学习的多尺度注意力交互式图像去噪网络(MAINet).首先,对于浅层像素级特征采用多尺度特征提取块获取丰富的上下文信息和图像纹理特征,以保证图像信息的完整性;然后,引入双路通道注意力机制指导网络获取更具判别性的特征信息,抑制不期望的噪声,从而进一步优化特征信息;最后,利用分类密集残差块的密集连接和成对卷积操作增强模型的交互性,对全局多层次特征进行联合学习,提取更高质量的语义级特征,以提升去噪网络的性能.实验结果表明,在定量和定性评估方面,所提出的去噪网络在合成噪声和真实噪声两种数据集上的去噪效果都有所提升.
关键词：深度学习图像去噪多尺度特征提取双路通道注意力机制分类密集残差块
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(61972134)河南省高校科技创新团队支持计划项目(19IRTSTHN012)
论文发表日期：2023-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 144-153 )
英文信息