基于深度神经网络的单幅图像盲去噪算法

来源：电子测量技术杂志2023年第21期北京时间：

作者：李晨，许雪，郭业才

单位：无锡学院 无锡 210044

摘要：针对大多去噪网络仅在合成噪声去噪任务上表现良好，且只从单一尺度上提取特征，不能够更好的重构出干净的图像等问题，本文提出了一种多尺度特征融合的真实噪声图像盲去噪算法。该算法的横向网络结构利用自适应密集残差块提取同一尺度的丰富特征，并且有选择性的增强信息量大的特征，纵向网络结构利用金字塔层与编-解码器进一步获得不同的感受野，实现多尺度特征提取，横向同一尺度的特征与纵向不同尺度的特征充分融合更有利于噪声去除，保留图像的边缘细节。在真实噪声测试集（DND和SIDD）上对提出的网络进行评估，峰值信噪比(PSNR)分别为39.62和39.49，结构相似性(SSIM)分别为0.956和0.954。实验结果表明，本文提出的网络取得了更加优越的性能表现。

关键词：卷积神经网络;真实噪声图像去噪;自适应密集连接残差;多尺度特征融合

基金资助：无锡学院人才启动费（2021r028）、国家自然科学基金（61673222）项目资助