采用通道和空间注意力的真实噪声盲去噪算法 被引量：4

1

作者 肖娟 李小霞 +2 位作者 吕念祖 周颖玥 王学渊 《小型微型计算机系统》 CSCD 北大核心 2021年第7期1453-1457,共5页

基于卷积神经网络的去噪方法对图像的加性高斯白噪声去除效果良好,但对图像的真实噪声去除效果欠佳.本文对加性高斯白噪声和真实噪声的灰度直方图进行统计分析,根据两者之间的分布差异构建出一个基于注意力机制的端到端盲去噪网络LDFNet... 基于卷积神经网络的去噪方法对图像的加性高斯白噪声去除效果良好,但对图像的真实噪声去除效果欠佳.本文对加性高斯白噪声和真实噪声的灰度直方图进行统计分析,根据两者之间的分布差异构建出一个基于注意力机制的端到端盲去噪网络LDFNet,有利于学习真实噪声图像的复杂像素分布特征.LDFNet网络包含3个部分:特征自适应学习模块(L)、多尺度残差密集模块(D)与特征多路径融合模块(F).其中,模块L基于通道注意力机制,可以通过调节通道重要性自适应地学习到更具有判别性的像素特征;模块D包含空洞卷积和残差密集结构,既可完整保留数据结构信息又可兼顾全局及局部细节信息;模块F基于空间注意力机制进行多路径特征融合,可减少信息压缩,有效提取关键信息.实验结果表明,本文方法在DND测试集上的PSNR为36.10dB,相较于非盲和盲去噪方法分别提高了1.79dB和3.67dB,SSIM为0.9019,相较于非盲和盲去噪方法分别提高了0.0536和0.1119,同时表现出更好的视觉效果. 展开更多

关键词 盲去噪 真实噪声 注意力机制 残差密集 空洞卷积 像素分布特征

在线阅读 下载PDF 职称材料

基于级联的多尺度特征融合残差去噪网络

2

作者 郭业才 胡晓伟 毛湘南 《计算机科学》 北大核心 2025年第6期239-246,共8页

针对图像去噪特征提取单一化以及特征利用率低,不能生成更清晰图像的问题,提出了级联多尺度特征融合残差真实图像去噪网络。该网络双分支自适应密集残差块采用双路非对称扩张卷积扩展图像感受野,在水平尺度上选择性地提取丰富的纹理特... 针对图像去噪特征提取单一化以及特征利用率低,不能生成更清晰图像的问题,提出了级联多尺度特征融合残差真实图像去噪网络。该网络双分支自适应密集残差块采用双路非对称扩张卷积扩展图像感受野,在水平尺度上选择性地提取丰富的纹理特征。在多尺度空间U-Net模块中,利用多尺度空间融合块增强网络对图像整体结构的学习能力,学习不同层次的信息,获取基于图像空间和上下文信息的多级特征。跳跃连接促进结构之间的参数共享,使不同尺度的特征充分融合,保证信息的完整性。最后,采用双残差学习构建出清晰的去噪图像。结果表明,该算法在真实噪声数据集(DND和SIDD)上的峰值信噪比分别为39.68 dB和39.50 dB,结构相似性分别为0.953和0.957,优于主流去噪算法。所提算法在增强去噪性能的同时,也保留了更详细的信息,使图像质量进一步提升。 展开更多

关键词 图像去噪 真实噪声 卷积神经网络 多尺度特征融合 密集残差

在线阅读 下载PDF 职称材料

结合迁移学习的真实图像去噪算法 被引量：4

3

作者 周联敏 周冬明 杨浩 《科学技术与工程》 北大核心 2022年第34期15237-15244,共8页

为了能有效地去除真实图像的复杂噪声,提出了一种结合迁移学习的真实图像去噪算法。该算法采用了双编码器结构,迁移学习编码单元利用预先训练好的权值有效提取鲁棒特征,残差编码单元对当前数据处理,进一步补充了信息。解码单元通过特征... 为了能有效地去除真实图像的复杂噪声,提出了一种结合迁移学习的真实图像去噪算法。该算法采用了双编码器结构,迁移学习编码单元利用预先训练好的权值有效提取鲁棒特征,残差编码单元对当前数据处理,进一步补充了信息。解码单元通过特征融合模块对丰富的信息进行融合,随后经过残差注意力模块加强对图像细节信息的关注,从而更好地恢复图像。实验结果表明,该算法在DND、SIDD和RNI15真实噪声数据集上有很好的泛化能力,能够在有效去除噪声的同时更好地保留图像纹理和边缘信息,恢复图像视觉效果更好。 展开更多

关键词 图像去噪 真实噪声 迁移学习 注意力机制 残差块

在线阅读 下载PDF 职称材料

基于自监督约束的双尺度真实图像盲去噪算法 被引量：3

4

作者 王迪 潘金山 唐金辉 《软件学报》 EI CSCD 北大核心 2023年第6期2942-2958,共17页

现存的图像去噪算法在处理加性高斯白噪声上已经取得令人满意的效果,然而其在未知噪声强度的真实噪声图像上泛化性能较差.鉴于深度卷积神经网络极大地促进了图像盲去噪技术的发展,针对真实噪声图像提出一种基于自监督约束的双尺度真实... 现存的图像去噪算法在处理加性高斯白噪声上已经取得令人满意的效果,然而其在未知噪声强度的真实噪声图像上泛化性能较差.鉴于深度卷积神经网络极大地促进了图像盲去噪技术的发展,针对真实噪声图像提出一种基于自监督约束的双尺度真实图像盲去噪算法.首先,所提算法借助小尺度网络分支得到的初步去噪结果为大尺度分支的图像去噪提供额外的有用信息,以帮助后者实现良好的去噪效果.其次,用于去噪的网络模型由噪声估计子网络和图像非盲去噪子网络构成,其中噪声估计子网络用于预测输入图像的噪声强度,非盲去噪子网络则在所预测的噪声强度指导下进行图像去噪.鉴于真实噪声图像通常缺少对应的清晰图像作为标签,提出了一种基于全变分先验的边缘保持自监督约束和一个基于图像背景一致性的背景自监督约束,前者可通过调节平滑参数将网络泛化到不同的真实噪声数据集上并取得良好的无监督去噪效果,后者则可借助多尺度高斯模糊图像之间的差异信息辅助双尺度网络完成去噪.此外,还提出一种新颖的结构相似性注意力机制,用于引导网络关注图像中微小的结构细节,以便复原出纹理细节更加清晰的真实去噪图像.相关实验结果表明在SIDD,DND和Nam这3个真实基准数据集上,所提的基于自监督的双尺度盲去噪算法无论在视觉效果上还是在量化指标上均优于多种有监督图像去噪方法,且泛化性能也得到了较为明显的提升. 展开更多

关键词 卷积神经网络 真实噪声图像 图像盲去噪 自监督约束 注意力机制

在线阅读 下载PDF 职称材料

基于注意力机制和残差块的真实图像去噪 被引量：2

5

作者 周联敏 周冬明 《计算机工程与设计》 北大核心 2023年第5期1451-1458,共8页

为有效去除真实图像噪声,提出一种基于注意力机制和残差块的图像去噪算法。采用通道和空间注意力机制相结合的双重注意力模块给不同的特征赋予权重,并与残差块合并于编解码结构;应用增大感受野模块,在保护图像结构的同时增大感受野;整... 为有效去除真实图像噪声,提出一种基于注意力机制和残差块的图像去噪算法。采用通道和空间注意力机制相结合的双重注意力模块给不同的特征赋予权重,并与残差块合并于编解码结构;应用增大感受野模块,在保护图像结构的同时增大感受野;整体架构采用密集特征融合保留更多细节。实验结果表明,该算法在SIDD和DND数据集的峰值信噪比分别达到了39.59 dB和39.73 dB,结构相似性分别达到了0.911%和0.953%,具有最佳视觉效果。所提算法在去噪的同时能够保留更多图像细节信息。 展开更多

关键词 图像去噪 真实噪声 深度学习 注意力机制 残差块 卷积神经网络 空洞卷积

在线阅读 下载PDF 职称材料

特征细化和多尺度注意力的Transformer图像去噪网络 被引量：4

6

作者 袁姮 耿仪坤 《计算机科学与探索》 CSCD 北大核心 2024年第7期1838-1851,共14页

为增强全局上下文信息的关联性,加强对多尺度特征的关注,在提升图像去噪效果的同时最大程度保留细节特征,提出一种基于Transformer的特征细化和多尺度注意力的图像去噪网络(TFRADNet)。该网络不仅在编解码器部分利用Transformer解决大... 为增强全局上下文信息的关联性,加强对多尺度特征的关注,在提升图像去噪效果的同时最大程度保留细节特征,提出一种基于Transformer的特征细化和多尺度注意力的图像去噪网络(TFRADNet)。该网络不仅在编解码器部分利用Transformer解决大规模图像的长程依赖问题,提高模型的去噪效率,还在上采样操作后加入位置感知层来增强网络对特征图中像素位置的感知能力。为了应对Transformer可能对像素间空间关系的忽略,导致局部细节失真,在特征重建阶段设计了特征细化模块(FRB),采用串行结构逐层引入非线性变换,加强对噪声水平复杂的图像局部特征的识别。同时,设计了多尺度注意力模块(MAB),采用并行双分支结构,对空间注意力和通道注意力联合建模,有效捕捉不同尺度的图像特征并进行加权,提高模型对多尺度特征的感知能力。在真实噪声数据集SIDD、DND和RNI15上的实验结果显示,TFRADNet能够兼顾全局信息和局部细节,相比其他先进方法展现出了更强的抑噪能力和稳健性。 展开更多

关键词 图像去噪 特征细化 多尺度注意力 TRANSFORMER 真实噪声

在线阅读 下载PDF 职称材料

基于Res2-Unet多阶段监督的图像降噪 被引量：3

7

作者 刘言 陈刚 +2 位作者 喻春雨 王世允 孙斌 《光学精密工程》 EI CAS CSCD 北大核心 2023年第6期920-935,共16页

为了提高基于深度学习的图像降噪效率,提出了一种基于Res2-Unet-SE的多阶段监督深度残差(Multi-stage Supervised Deep Residual,MSDR)降噪神经网络。首先基于该神经网络,将图像降噪分为多阶段处理过程;然后在各处理阶段,将不同分辨率... 为了提高基于深度学习的图像降噪效率,提出了一种基于Res2-Unet-SE的多阶段监督深度残差(Multi-stage Supervised Deep Residual,MSDR)降噪神经网络。首先基于该神经网络,将图像降噪分为多阶段处理过程;然后在各处理阶段,将不同分辨率图像块输入到Res2-Unet子网络中获取不同尺度特征信息,并通过通道注意力机制将自适应学习的特征融合信息传递到下阶段;最后将不同尺度特征信息叠加,完成高质量的图像降噪。实验选择BSD400数据集用于训练,通过Set12数据集进行高斯噪声的降噪测试;通过SIDD数据集完成真实噪声的降噪测试。通过与常见的降噪神经网络对比表明,对图像添加σ=15,25,50的高斯噪声时,经本文算法降噪后的图像PSNR比对高斯噪声消除性能较好的DNCNN分别提高0.03 dB,0.05 dB,0.14 dB;在σ=25,50时,相较于MPRNET分别提高了0.02 dB, 0.06 dB。对含真实噪声的图像,经本文算法降噪后的图像PSNR比CBDNET算法提高0.48 dB。实验分析表明,本文算法在图像降噪上具有较高的鲁棒性,不仅能从噪声中有效恢复图像细节,还能充分保持图像的全局依赖关系。 展开更多

关键词 图像降噪 真实噪声 残差网络 通道注意力机制 监督注意力机制

在线阅读 下载PDF 职称材料

基于深度学习的图像去噪方法研究综述 被引量：31

8

作者 刘迪 贾金露 +1 位作者 赵玉卿 钱育蓉 《计算机工程与应用》 CSCD 北大核心 2021年第7期1-13,共13页

图像去噪是利用图像序列的上下文信息去除噪声,从而恢复出清晰图像的一种技术,是计算机视觉领域重要研究内容之一。随着机器学习的发展,深度学习在图像去噪领域得到广泛应用,成为处理图像去噪的有效解决方法。分析了深度学习图像去噪方... 图像去噪是利用图像序列的上下文信息去除噪声,从而恢复出清晰图像的一种技术,是计算机视觉领域重要研究内容之一。随着机器学习的发展,深度学习在图像去噪领域得到广泛应用,成为处理图像去噪的有效解决方法。分析了深度学习图像去噪方法;依据网络结构详细分析了图像去噪方法的思想,并对优缺点进行梳理总结;通过在DND、PolyU等数据集上的实验结果,对比分析基于深度学习去噪方法的性能;对图像去噪研究的关键问题进行总结,并讨论该领域未来研究的发展趋势。 展开更多

关键词 图像去噪 真实噪声 合成噪声 深度学习

在线阅读 下载PDF 职称材料

基于深度神经网络的单幅图像盲去噪算法 被引量：6

9

作者 李晨 许雪 郭业才 《电子测量技术》 北大核心 2023年第21期183-192,共10页

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... 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。 展开更多

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

在线阅读 下载PDF 职称材料

基于抛物面焦点麦克风预处理和迁移学习的语音增强方法 被引量：2

10

作者 张涛 王泽宇 +3 位作者 胡梦雪 赵鑫 刘赣俊 耿彦章 《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2022年第10期1053-1060,共8页

背景噪声会严重影响语音的质量和可懂度,从一段带噪语音中分离出目标语音,尽可能地降低背景噪声对目标语音的影响,是语音增强技术的目标.语音增强技术在自动语音识别、电话通信等领域有着广泛的应用,近年来,该技术也受到了学者的关注.... 背景噪声会严重影响语音的质量和可懂度,从一段带噪语音中分离出目标语音,尽可能地降低背景噪声对目标语音的影响,是语音增强技术的目标.语音增强技术在自动语音识别、电话通信等领域有着广泛的应用,近年来,该技术也受到了学者的关注.在真实噪声环境中,带噪语音的背景噪声往往十分复杂,传统的语音增强方式无法很好地适应各类噪声场景.针对复杂的非线性问题,基于深度学习的语音增强方法具有很强的适应能力.然而,对于真实噪声环境,模型的增强性能往往因为泛化性不足而下降.为了进一步提升语音增强模型在真实噪声环境下的增强性能,提出了一种基于抛物面焦点麦克风预处理和迁移学习的语音增强方法.该方法利用抛物面焦点麦克风采集带噪语音和噪声,通过物理汇聚增强的方式,对带噪语音进行预处理.再利用迁移学习方法,小样本微调训练LSTM-convolutional-BLSTM编解码(LSTM-convolutional-BLSTM encoder-decoder,LCLED)网络的编码器和输出层,冻结解码器,通过算法模型,适应真实噪声环境特性,进一步增强语音.所提出的方法通过物理途径和算法途径两个方面,构建了一整套端到端的语音增强系统,提升了整个系统的语音增强性能,降低了深度神经网络算法模型的复杂度.实验结果表明,所提出的方法可以有效地增强真实噪声环境下的带噪语音. 展开更多

关键词 迁移学习 神经网络 语音增强 真实噪声场景 抛物面焦点麦克风

在线阅读 下载PDF 职称材料

基于三方加权稀疏编码模型的PRNU提取算法 被引量：7

11

作者 张永胜 田华伟 +2 位作者 肖延辉 郝昕泽 张明旺 《应用科学学报》 CAS CSCD 北大核心 2019年第5期704-710,共7页

估计图像中真实噪声是基于光照响应不一致(photo-response non-uniformity,PRNU)对图像来源取证的关键步骤.相较于加性高斯白噪声(additive white Gaussian noise,AWGN)的估计,现有多数PRNU提取算法所采用的噪声估计算法在图像真实噪声... 估计图像中真实噪声是基于光照响应不一致(photo-response non-uniformity,PRNU)对图像来源取证的关键步骤.相较于加性高斯白噪声(additive white Gaussian noise,AWGN)的估计,现有多数PRNU提取算法所采用的噪声估计算法在图像真实噪声提取方面性能劣势明显.该文提出了一种基于三方加权稀疏编码模型(trilateral weighted sparse coding model,TWSCM)的PRNU提取算法.TWSCM在估计噪声时能够保留更多PRNU噪声成分,有助于对图像中PRNU噪声的提取,因此在真实噪声估计上具有较好的性能.在当前最大的图像相机源取证基准库上的测试,实验结果证明所提出的基于TWSC的PRNU提取算法在图像相机源取证任务中具有较好的性能. 展开更多

关键词 图像来源取证 光照响应不一致 真实图像噪声估计

在线阅读 下载PDF 职称材料