计算机科学››2024,第51卷››问题(5): 117-124.数字对象标识:10.11896/jsjkx.230300049
•计算机图形和多媒体• 以前的文章 下一篇文章
周瑜1、陈志华1、盛斌2,梁磊1
收到:
修订过的:
在线:
出版:
关于作者:
支持单位:
摘要:为了同时恢复图像细节并保持去噪图像中的全局信息,提出了一种多尺度渐进变换器(MSP-transformer)用于图像去噪。MSP-Transformer可以有效地从不同尺度提取与阴影相关的特征,并逐步恢复清晰的图像,实现特征和图像的多尺度学习和融合。该MSP-Transformer分为编码阶段、解码阶段和恢复阶段。在编码阶段,使用基于Transformer块的编码器将输入图像分解为不同的尺度。从不同尺度提取的雾度相关特征可以充分表征雾度图像的信息损失。在解码阶段,考虑到雾霾图像的不同区域具有不同的信息损失,本文设计了一个在解码器中包含多尺度注意机制的特征聚合模块。多尺度注意包括通道注意和多尺度空间注意,可以融合不同尺度的特征信息。恢复阶段包括恢复块和融合块,首先,多尺度特征融合恢复块从不同尺度上聚合haze相关特征,以增加这些特征之间的关联,然后使用聚合的特征在每个尺度上恢复无haze图像。此外,通过融合块对每个尺度的恢复图像进行融合,得到最终的脱氮结果。在真实数据集和合成数据集上进行的定性和定量实验表明,所提出的MSP Transformer具有良好的除雾性能。与11种最新方法相比,MSP-Transformer在RESIDE数据集上获得了最佳的PSNR(39.53db)和SSIM(0.9954),并取得了良好的视觉效果。此外,烧蚀实验也证明了该方法的有效性。
关键词: 图像去叠, 多尺度, 变压器, 注意机制, 特征融合
CLC编号:
周瑜、陈志华、盛斌、梁磊。用于图像去噪的多尺度累进变换器[J]。计算机科学,2024,51(5):117-124。
0 / / 推荐
添加到引文管理器 尾注|样板客户经理|项目|BibTeX公司|参考Works
网址: https://www.jsjkx.com/EN/10.11896/jsjkx-230300049
https://www.jsjkx.com/EN/Y2024/V51/I5/117
引用