基于 U 形多尺度注意力方法的真实图像去噪

来源：计算机技术与发展杂志2024年第04期北京时间：

作者：王新武;陈春雨

单位：哈尔滨工程大学 信息与通信工程学院,黑龙江 哈尔滨 150001 Author(s): WANG Xin-wu;CHEN Chun-yu School of Information and Communication Engineering,Harbin Engineering University,Harbin 150001,China 关键词: 图像去噪;计算机视觉;真实噪声;多尺度特征;长距离通道注意力 Keywords: image denoising;computer vision;real noise;multi-scale features;long-range channel attention 分类号: TP391 DOI: 10. 3969 / j. issn. 1673-629X. 2024. 04. 008 摘要: 针对真实世界图像去噪算法存在对上下文信息和全局信息利用不足导致的去噪效果不佳问题,提出一种 U 形金字塔注意力网络( UPCA) 。 U 形结构由多尺度特征模块与长距离通道注意力模块融合形成的金字塔注意力模块组成,U形结构通过拼接操作可以将每一层的输出特征图融合,减少卷积过程以及下采样过程中图像细节特征的丢失。 多尺度特征金字塔模块可以更好地利用上下文信息从而更好地恢复出干净的图像,而建立长距离依赖的通道注意力模块可以更好地利用全局信息,提高网络的去噪效果。 同时在损失函数部分加入噪声项来加快训练时收敛的速度以及提高去噪效果。UPCA 网络在数据集 SIDD 和 DND 进行对比实验,验证了 UPCA 网络的可行性和先进性,同时与同样使用通道注意力的RIDNet 相比 UPCA 网络的 PSNR / SSIM 指标提升了 0. 81 dB / 0. 044,去噪后的效果图直观表现也更好,而且同等参数下训练所需的算力更小。

摘要：针对真实世界图像去噪算法存在对上下文信息和全局信息利用不足导致的去噪效果不佳问题,提出一种 U 形金字塔注意力网络( UPCA) 。 U 形结构由多尺度特征模块与长距离通道注意力模块融合形成的金字塔注意力模块组成,U形结构通过拼接操作可以将每一层的输出特征图融合,减少卷积过程以及下采样过程中图像细节特征的丢失。 多尺度特征金字塔模块可以更好地利用上下文信息从而更好地恢复出干净的图像,而建立长距离依赖的通道注意力模块可以更好地利用全局信息,提高网络的去噪效果。 同时在损失函数部分加入噪声项来加快训练时收敛的速度以及提高去噪效果。UPCA 网络在数据集 SIDD 和 DND 进行对比实验,验证了 UPCA 网络的可行性和先进性,同时与同样使用通道注意力的RIDNet 相比 UPCA 网络的 PSNR / SSIM 指标提升了 0. 81 dB / 0. 044,去噪后的效果图直观表现也更好,而且同等参数下训练所需的算力更小。

关键词：图像去噪;计算机视觉;真实噪声;多尺度特征;长距离通道注意力