-
题名基于注意力机制的双路解码器图像去噪方法
- 1
-
-
作者
高煜宝
文志诚
-
机构
湖南工业大学计算机学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第9期324-332,共9页
-
基金
国家自然科学基金(61871432)
湖南省自然科学基金青年项目(2019JJ50123,2024JJ7154)
湖南省教育厅项目(20C0625)。
-
文摘
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。
-
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
-
Keywords
deep learning
Convolutional Neural Network(CNN)
image denoising
dual decoder
multi-scale
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
