يُعد التحسين (Boosting) خوارزمية كلاسيكية تم تطبيقها بنجاح على مهام متنوعة في الرؤية الحاسوبية. ومع ذلك، في سياق إزالة الضوضاء من الصور، تفوقت الخوارزميات القائمة على التعلم الحديثة على الخوارزميات الحالية القائمة على التحسين. في هذه الورقة، نقترح إطارًا جديدًا للتحسين العميق (DBF) لمعالجة إزالة الضوضاء، والذي يدمج عدة شبكات تلافيفية (Convolutional Networks) بطريقة تدفق أمامي (feed-forward). ومع ذلك، يؤدي هذا الدمج إلى زيادة كبيرة في عمق إطار التحسين، مما يُعَقِّد عملية التدريب. لحل هذه المشكلة، نُقدِّم مفهوم الاتصال الكثيف (Dense Connection) الذي يُعالج مشكلة اختفاء التدرجات (Vanishing Gradients) أثناء التدريب. علاوةً على ذلك، نقترح خطة دمج توسّع المسارات (Path-Widening Fusion Scheme) بالتعاون مع الت convolution المُوسّع (Dilated Convolution)، مما يُنتج شبكة تلافيفية خفيفة الوزن وفعّالة كوحدة تحسين، تُسمّى الشبكة التلافيفية الكثيفة المُدمجة الموسّعة (Dilated Dense Fusion Network - DDFN). تُظهر التجارب الشاملة أن إطار DBF يتفوّق على الطرق الحالية في معايير معيارية شائعة الاستخدام، من حيث تنوع مهام إزالة الضوضاء.