کاهش نویز تصاویر دیجیتال با استفاده از اثر توجه و کاهش عمق شبکه های عصبی عمیق

یکی از مهمترین موضوعات در پردازش تصویر حذف نویز می­باشد تا بتوان کیفیت تصویر را بهبود بخشید. از آنجائیکه شبکه ­های عصبی عمیق به تنهایی با افزایش عمق شبکه با مشکلاتی مانند محو گرادیان مواجه می­شوند و نمی­توانستند جزئیات را به خوبی برای یک وظیفه خاص پوشش دهند در این مقاله، با کاهش عمق شبکه و افزایش پهنای آن، امکان استخراج ویژگی­های متنوع از کانال­های مختلف فراهم می­شود، که این امر منجر به افزایش دقت شبکه می­گردد. با افزایش پهنای شبکه به دو انشعاب، اطلاعات متفاوتی از تصویر نویزی استخراج می­شود که این عمل برای تفکیک داده های نویزی  از تصویر  بسیار موثر است. اثر توجه به ویژگی­ها در هر کانال و وزن­دهی آنها در عملیات حذف نویز نیز در نظر گرفته می­شود. در نهایت برای بررسی کارامدی روش پیشنهادی، نتایج با آخرین دستاوردهای این حوزه مقایسه می­شوند. نتایج شبیه­سازی با بررسی دو معیار PSNR و SSIM و هم از نگاه بصری نشان می­دهد این روش در مقابله با انواع نویز ترکیبی و کور جهت انجام کارهای پردازشی در حد قابل قبولی می­باشد و از طرفی استفاده از  اثر توجه و شبکه ­های موازی می­تواند در مواجهه با نویز حقیقی بسیار موثر باشد و توانسته است به میانگین PSNR=۳۶.۳۴db دست یابد

کلیدواژه ها:

حذف نویز ، شبکه های عصبی عمیق ، شبکه های کانولوشنی موازی ، مکانیزم توجه ، استخراج ویژگی