基于局部和全局特征解耦的图像去噪网络

作     者：丁宇伟 石洪波 李杰 梁敏 DING Yuwei;SHI Hongbo;LI Jie;LIANG Min

作者机构：山西财经大学信息学院太原030006 经济大数据山西省重点实验室(山西财经大学)太原030006 

基　　金：中央引导地方科技发展资金资助项目(YDZJSX20231A057) 山西省重点研发计划项目(201903D121160) 山西省自然科学基金资助项目(202203021211333) 山西省研究生科研创新项目(2023KY505) 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2024年第44卷第8期

页      码：2571-2579页

摘      要：针对当前基于Transformer的图像去噪算法侧重于捕获图像的全局特征,而忽视局部特征对于恢复图像细节关键作用的问题,提出一种基于局部和全局特征解耦的图像去噪网络。该网络包含2个基于混合Transformer模块(HTB)的多尺度分支和1个基于卷积神经网络(CNN)的单尺度分支,旨在将HTB强大的全局建模能力与CNN的局部建模优势有机结合,生成上下文信息丰富且空间细节准确的输出。HTB采用自注意力机制自适应地对空间和通道维度的依赖关系建模,以激活范围更广的输入像素进行重建。鉴于不同分支间可能存在的信息冲突,设计特征传递模块,通过跨分支传递全局特征并抑制低频信息,从而确保各分支间的协同作用。实验结果表明,在真实世界图像数据集SIDD上,与基于Transformer的去噪网络Uformer相比,所提网络的峰值信噪比(PSNR)提高了0.09 dB,结构相似度(SSIM)提高了0.001;在合成图像数据集Urban100上,与多阶段去噪网络MSPNet(Multi-Stage Progressive denoising Network)相比,所提网络的平均PSNR提高了0.41 dB。可见,所提网络能有效去除图像噪声,并重建出更精细的纹理细节。

主 题 词：Transformer 图像去噪 全局特征 局部特征 特征解耦 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.11772/j.issn.1001-9081.2023081131

馆 藏 号：203133741...