摘要
先前的研究表明，卷积神经网络在图像去噪任务中能够取得良好的性能。然而，受限于局部固定卷积操作的固有特性，这类方法往往导致过度平滑的伪影。虽然采用更深的网络结构可在一定程度上缓解上述问题，但会带来更高的计算开销。为此，本文提出一种新型的自适应空间去噪网络（Spatial-Adaptive Denoising Network, SADNet），用于高效实现单幅图像的盲去噪。为适应空间纹理与边缘变化，我们设计了一种残差式自适应空间模块，引入可变形卷积以采样具有空间相关性的特征并进行加权。同时，网络采用带有上下文模块的编码器-解码器结构，以捕捉多尺度信息。通过从粗到细的逐步去噪过程，可有效恢复出高质量的无噪图像。我们在合成数据集与真实噪声图像数据集上均验证了所提方法的有效性。实验结果表明，该方法在定量指标与视觉效果方面均优于当前最先进的去噪算法。