公开(公告)号：CN116523800A

公开(公告)日：2023-08-01

申请号：CN202310796816.9

申请日：2023-07-03

Applicant: 南京邮电大学

Inventor： 喻春雨 ,  童亦新 ,  马荣恒 ,  韩鼎

IPC: G06T5/00 ,  G06T5/30 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于残差密集网络与注意力机制的图像降噪模型及方法，属于人工智能技术领域，图像降噪模型包括：膨胀模块用以扩展原始噪声图像的图像通道，以获得比像素域更精细的图像特征；残差密集U型子网络用于获取不同分辨率的特征信息；双元素卷积通道注意力模块用于实现多尺度特征融合，降低低频信息损失，以得到理想的降噪效果；重构模块用于对扩展后的特征图像进行复原，使其重建为像素域图像。本发明通过残差密集子网络作为主干网络用来获取不同分辨率的特征信息，同时引入全局残差与局部残差、层归一化，防止梯度在反向传播过程中消失或爆炸，使网络训练更加稳定，最终使网络能够极大地减少特征图信息的丢失。

公开(公告)号：CN116523800B

公开(公告)日：2023-09-22

申请号：CN202310796816.9

申请日：2023-07-03

Applicant: 南京邮电大学

Inventor： 喻春雨 ,  童亦新 ,  马荣恒 ,  韩鼎

IPC: G06T5/00 ,  G06T5/30 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于残差密集网络与注意力机制的图像降噪模型及方法，属于人工智能技术领域，图像降噪模型包括：膨胀模块用以扩展原始噪声图像的图像通道，以获得比像素域更精细的图像特征；残差密集U型子网络用于获取不同分辨率的特征信息；双元素卷积通道注意力模块用于实现多尺度特征融合，降低低频信息损失，以得到理想的降噪效果；重构模块用于对扩展后的特征图像进行复原，使其重建为像素域图像。本发明通过残差密集子网络作为主干网络用来获取不同分辨率的特征信息，同时引入全局残差与局部残差、层归一化，防止梯度在反向传播过程中消失或爆炸，使网络训练更加稳定，最终使网络能够极大地减少特征图信息的丢失。