工业控制计算机2024，Vol.37Issue(3) ：59-61.

基于注意力与特征融合的真实图像盲卷积去噪

Blind Convolution Denoising of Real Image Based on Attention and Feature Fusion

孙一博 吕智愚
工业控制计算机2024，Vol.37Issue(3) ：59-61.
✕
  • 维普
  • 万方数据

基于注意力与特征融合的真实图像盲卷积去噪

Blind Convolution Denoising of Real Image Based on Attention and Feature Fusion

孙一博 1吕智愚2
扫码查看

作者信息

  • 1. 吉林化工学院,吉林吉林 132022
  • 2. 东北电力大学,吉林吉林 132012
  • 折叠

摘要

近年来,在深度卷积神经网络对真实图像去噪的研究中,现有方法可以一定程度地去除真实图像噪声,但由于真实噪声的随机性和复杂性,使得模型在处理较为复杂的真实噪声时仍有一定的局限性,在还原图像细节与关键特征信息的提取方面表现一般.针对以上问题,在CBDNet的基础上提出了一种基于注意力与特征融合的去噪算法.具体来说,在上采样过程中通过添加空间与通道融合的注意力机制来提取更多相关特征,并重新定义跳跃连接的输入进行特征融合.在下采样过程中使用最大池化替代平均池化来增强图像纹理和细节.实验方面,在SIDD、NC12、Nam等三个真实噪声数据集上测试并与多个先进算法进行对比,实验结果表明了该算法在定量和视觉上的优越性.

Abstract

This paper proposes a denoising algorithm based on attention and feature fusion based on CBDNet.Specifi-cally,in the upsampling process,more relevant features are extracted by adding the attention mechanism of space and channel fusion,and the input of jump connection is redefined for feature fusion.Use maximum pooling instead of average pooling during downsampling to enhance image texture and detail.In terms of experiment,this paper tests on three real noise data sets,such as SIDD,NC12 and Nam,and compared them with several advanced algorithms.The experimental results show that the algorithm is superior in quantitative and visual aspects.

关键词

真实图像去噪/注意力机制/跳跃连接/池化

Key words

real image denoising/attention mechanism/skip connection/pooling

引用本文复制引用

出版年

2024
工业控制计算机
中国计算机学会工业控制计算机专业委员会 江苏省计算技术研究所有限责任公司

工业控制计算机

影响因子：0.258
ISSN：1001-182X
参考文献量16
段落导航相关论文