计算机工程

作者：高煜宝, 文志诚

单位：湖南工业大学计算机学院, 湖南 株洲 412007

关键词：深度学习,卷积神经网络,图像去噪,双路解码器,多尺度

基金：国家自然科学基金(61871432); 湖南省自然科学基金青年项目(2019JJ50123); 湖南省自然科学基金青年项目(2024JJ7154); 湖南省教育厅项目(20C0625)

目前大多数图像去噪算法在去除图像噪声的同时, 通常会丢失图像的细节信息, 特别是当噪声强度较大时甚至会出现失真。随着当前神经网络结构普遍趋向于深层设计, 导致图像的浅层特征难以与深层特征融合。针对这些问题, 提出一种基于注意力机制的双路解码器图像去噪方法。首先, 设计一种残差密集块(RDB)来对U-Net网络进行改进, 实现网络深度的增加, 有效提升模型的稳定性并缓解梯度消失问题; 其次, 设计一种双路解码器结构, 通过在不同尺度的解码器中进行多尺度特征提取, 加强深浅层特征的融合; 最后, 通过在解码器中引入注意力机制, 有针对性地捕获图像的边缘信息, 增强模型的去噪表现。实验结果表明, 相较于现有常见的图像去噪方法, 所提方法不仅能够有效去除图像噪声, 还能更好地恢复图像纹理细节, 同时具有较快的去噪速度, 在主观和客观评价中均获得了更好的结果。

来源：2024年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第9期