[发明专利]基于通道注意力机制和特征金字塔的图像去噪方法

权利要求书

1.一种基于通道注意力机制和特征金字塔的图像去噪方法，其特征在于，包括：

步骤1、在第一阶段，基于深度学习，使用卷积直接提取含噪图像的原始特征；

步骤2、使用通道注意力机制对提取的原始特征赋予不同的重要性；

步骤3、在第二阶段，使用池化核得到多尺度的深度特征；

步骤4、使用连续的下采样和上采样对深度特征分别实现去噪，并且使用双线性插值对去噪的结果进行上采样级联；

步骤5、在第三阶段，使用基于多路注意力机制的卷积核尺寸动态选择结构，自适应表达特征得到最终的干净图像。

2.根据权利要求1所述的基于通道注意力机制和特征金字塔的图像去噪方法，其特征在于，具体在步骤1中，使用四层卷积提取含噪图像的原始特征，所述四层卷积的单层卷积层的尺寸为3×3×32。

3.根据权利要求1或2所述的基于通道注意力机制和特征金字塔的图像去噪方法，其特征在于，所述步骤2的具体实现方法为：

(1)对直接提取的原始特征U进行全局池化，提取其全局语义信息，然后经过全连接层、ReLU非线性变换、全连接层和Sigmoid非线性变换后得到通道校准系数向量μ；

(2)使用通道校准系数向量μ对输入特征U进行重新校准。

4.根据权利要求3所述的基于通道注意力机制和特征金字塔的图像去噪方法，其特征在于，步骤3具体使用五个池化核，其大小分别为1×1，2×2，4×4，8×8和16×16。

5.根据权利要求4所述的基于通道注意力机制和特征金字塔的图像去噪方法，其特征在于，在步骤4中：

(1)上采样和下采样各包括五个阶段，前一阶段通过下采样或是上采样进入下一阶段，同时同一阶段的上采样特征和下采样特征会进行级联；

(2)使用池化对输入特征进行两倍下采样，使用反卷积层进行两倍上采样，每一阶段伴随四层卷积层，四层卷积尺寸相同，五个阶段依次为3×3×32，3×3×64，3×3×128，3×3×256，3×3×512。

6.根据权利要求5所述的基于通道注意力机制和特征金字塔的图像去噪方法，其特征在于，所述步骤5的具体实现方法为：

(1)同时通过3个不同卷积核大小的卷积层来表达特征，得到U′、U″和U″′，然后将结果逐像素相加得到混合特征

(2)再将进行全局池化，提取其全局语义信息，然后经过全连接层、ReLU非线性变换，再一分为三，得到对应的三个通道校准系数向量α、β和γ，并在整体上做softmax归一化操作，即对三个向量沿着各通道进行加权处理；

(3)将三个向量α、β和γ与U′、U″和U″′分别相乘，再逐像素相加，此时各特征通道自适应地选择了不同大小的卷积核进行特征表达；

(4)通过一个单层卷积，得到恢复后的干净图像。其中卷积层的尺寸为3×3×1。