[发明专利]一种轻量真实图像去噪的神经网络设计及训练方法

权利要求书

1.一种轻量真实图像去噪的神经网络设计方法，其特征在于，所述轻量真实图像去噪的神经网络采用4尺度的U型网络结构，包括7个二阶残差注意力模块、3个下采样模块以及3个上采样模块；

所述7个二阶残差注意力模块按照与输入距离的远近依次命名为2ndRB₁……2ndRB₇，对于输入的含噪图像，首先经过2ndRB₁进行特征的提取，2ndRB₁的输出有两条分支：第一条分支向网络后方传递，与2ndRB₆的输出相加后输入到2ndRB₇中；第二条分支经过小波下采样，送入到2ndRB₂中；2ndRB₂的输出有两条分支：第一条分支向网络后方传递，与2ndRB₅的输出相加后输入到2ndRB₆中；第二条分支经过小波下采样，送入到2ndRB₃中；2ndRB₃的输出有两条分支：第一条分支向网络后方传递，与2ndRB₄的输出相加后输入到2ndRB₅中；第二条分支经过小波下采样，送入到2ndRB₄中；2ndRB₄的输出与2ndRB₃的第一条分支相加输入至2ndRB₅中；2ndRB₅的输出与2ndRB₂的第一条分支相加输入至2ndRB₆中；2ndRB₆的输出与2ndRB₁的第一条分支相加输入至2ndRB₇中；2ndRB₇的输出与输入的噪声图像相加后得到去噪图像；

所述二阶残差注意力模块包括卷积层1-激活函数-卷积层2模块和通道注意力模块，且所述二阶残差注意力模块将模块输入作为零阶项，卷积层1-激活函数-卷积层2模块输出作为一阶项，并把一阶项输入到通道注意力模块中得到二阶项，最终输出二阶项一半、零阶项和一阶项之和。

2.根据权利要求1所述的一种轻量真实图像去噪的神经网络设计方法，其特征在于，所述7个二阶残差注意力模块参数设置如下表所示：

其中，卷积层1参数和卷积层2参数包括卷积核通道数c，个数n，卷积核大小d，卷积核滑动步长s，通道注意力参数包括特征伸缩倍数r。

3.根据权利要求1所述的一种轻量真实图像去噪的神经网络设计方法，其特征在于，所述3个下采样模块参数设置如下表所示：

其中，下采样模块采用Haar小波系数卷积实现，卷积类型采用二维分层卷积，输入的每个通道数据与4个卷积核大小为2x2、滑动步长为2的卷积核卷积。

4.根据权利要求3所述的一种轻量真实图像去噪的神经网络设计方法，其特征在于，所述3个上采样模块参数设置如下表所示：

所述上采样模块采用下采样网络逆过程实现，卷积类型采用二维分层反卷积。