科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对深度学习图像去噪算法存在网络过深导致细节丢失的问题，提出一种双通道扩张卷积注意力网络CEANet。拼接信息保留模块将每一层的输出特征图融合，弥补卷积过程中丢失的图像细节特征进行密集学习；扩张卷积可以在去噪性能和效率之间进行权衡，用更少的参数获取更多的信息，增强模型对噪声图像的表示能力，基于扩张卷积的稀疏模块通过扩大感受野获得重要的结构信息和边缘特征，恢复复杂噪声图像的细节；基于注意力机制的特征增强模块通过全局特征和局部特征进行融合，进一步指导网络去噪。实验结果表明，在高斯白噪声等级为25和50时，CEANet都获得了较高的峰值信噪比均值和结构相似性均值，能够更高效地捕获图像细节信息，在边缘保持和噪声抑制方面，具有较好的性能。相关实验证明了该算法进行图像去噪的有效性。
- 单位
