基于深度学习的多频段图像降噪研究

作     者：龙淼 

作者单位：电子科技大学 

学位级别：硕士

导师姓名：张可

授予年度：2023年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：图像降噪 频域变化 深度学习 图像增强 

摘      要：图像降噪是数字图像处理领域的一个重要问题,旨在去除数字图像中的噪声,以提高图像的质量和可读性。数字图像中的噪声的引发因素多种多样,例如图像采集设备的误差、信号传输过程中的干扰以及图像处理过程中的误差等。因不同的噪声引发因素所带来的噪声是难以统计其分布规律,并且这些噪声会导致图像出现像素值的随机变化或者结构性的失真。因此图像噪声会影响图像的视觉质量和后续处理的结果。近年来,随着硬件设备的提升以及研究人员对深度学习的推动与发展。基于深度学习的方法在图像降噪领域取得了突破性进展。但是目前的基于深度学习的图像降噪算法主要是通过针对空间域的图像降噪。然而噪声主要存在与高频信号中,因此高频信号容易受到干扰,难以恢复。然而目前大多数基于深度学习的图像降噪算法是通过深度学习进行通过统计空间域中噪声图像中的噪声分布规律,通过先验的噪声分布规律进行图像降噪。然而在实际使用中,难以针对有效的对高频信号中的噪声进行针对性的降噪恢复,这也就导致了图像细节质量恢复差的问题。为了解决上述问题,提升对图像的整体的降噪性能,本文提出了一种基于多频段的图像降噪算法。基于多频段的图像降噪算法主要通过三个部分进行图像降噪。首先,在噪声图像输入节点使用余弦变换将图像由空间域映射至频域,再对频域的图像进行高频信号与低频信号的划分。其次,通过对频域信号的划分,针对不同的频段特性进行针对性降噪。低频信号中主要包含图像的结构信息,因此在在低频信号中对图像特征信息进行进行全局图像结构信息的恢复。通过使用多尺度等提升全局图像结构信息恢复的方法提升对低频信号的降噪质量。高频信号中主要包含的了图像的细节等纹理信息并且高频信号中的信息是稀疏的。因此对于高频信号,本文在独立恢复高频信号的基础上,通过注意力机制的方式来结合低频信号的全局信息的特性辅助高频信号的恢复。最后,在完成图像降噪后,融合不同频段信息。并且接入信号增强对高频信号中微弱的细节和纹理信息进行增强恢复。通过客观评价指标,基于深度学习的多频段图像降噪算法在真实世界的噪声数据集以及模拟的噪声数据集中都获得了先进的降噪性能。并且通过消融实验,证明了基于多频段的图像降噪算法的有效性。