基于特征注意的真实图像去噪

深度卷积神经网络在处理包含空间不变噪声（合成噪声）的图像时表现出色；然而，它们在处理真实噪声照片时的性能有限，需要多阶段网络建模。为了提高去噪算法的实用性，本文提出了一种新颖的单阶段盲真实图像去噪网络（RIDNet），采用了模块化架构。我们使用残差上的残差结构来简化低频信息的传递，并应用特征注意力机制来利用通道依赖关系。此外，通过在三个合成噪声数据集和四个真实噪声数据集上与19种最新算法进行定量指标和视觉质量评估，证明了我们的RIDNet的优越性。