DCANet：用于图像盲去噪的带注意力双卷积神经网络
计算机视觉与模式识别
2023-06-21 v2 图像与视频处理
摘要
图像去噪是许多计算机视觉任务的重要预处理步骤。目前，许多基于深度神经网络的去噪模型在去除已知分布（即加性高斯白噪声）的噪声方面表现良好。然而，消除真实噪声仍是一项极具挑战性的任务，因为真实世界噪声往往不简单地遵循单一类型的分布，且噪声可能在空间上变化。本文中，我们提出一种用于图像盲去噪的带注意力的新双卷积神经网络（CNN），命名为 DCANet。据我们所知，所提出的 DCANet 是首个将双 CNN 与注意力机制结合用于图像去噪的工作。DCANet 由噪声估计网络、空间与通道注意力模块（SCAM）以及具有双结构的 CNN 组成。噪声估计网络用于估计图像中的空间分布与噪声水平。含噪图像及其估计噪声作为 SCAM 的输入，并设计了一个包含两条不同分支的双 CNN 来学习互补特征以获得去噪图像。实验结果验证了所提出的 DCANet 能有效抑制合成与真实噪声。DCANet 的代码可在 https://github.com/WenCongWu/DCANet 获取。
引用
@article{arxiv.2304.01498,
title = {DCANet: Dual Convolutional Neural Network with Attention for Image Blind Denoising},
author = {Wencong Wu and Guannan Lv and Yingying Duan and Peng Liang and Yungang Zhang and Yuelong Xia},
journal= {arXiv preprint arXiv:2304.01498},
year = {2023}
}