图像降噪算法生成的图像往往会因丢失高频信息而造成细节模糊, 并且随着网络的加深, 噪声在特征域会不断累加。为了恢复图像降噪中生成图像的高频细节, 增强网络的拟合能力和泛化能力, 减少噪声在特征域的传播, 本文提出了一种基于局部期望最大化注意力机制的降噪网络。网络以经典的自动编码器为基本模块以达到足够的深度, 实现足够大的感受野, 并滤除不必要的低频信息, 促进网络学习高频信息。局部期望最大化注意力模块利用局部期望最大化算法迭代出紧凑的局部基, 并在该局部基上应用注意力机制, 大大降低网络复杂度。大量实验表明, 本文提出的局部期望最大化注意力网络可以恢复更多的高频细节, 在基准测试集BSD68上, PSNR值比当前最先进算法N3Net提升约013 dB, 并有更好的视觉质量。
图像降噪 局部期望最大化 注意力 自动编码器 image denoising local expection-maximization attention autoencoder