摘要： 目前大多數(shù)圖像去噪算法在去除圖像噪聲的同時(shí)，通常會丟失圖像的細(xì)節(jié)信息，特別是當(dāng)噪聲強(qiáng)度較大時(shí)甚至?xí)霈F(xiàn)失真。隨著當(dāng)前神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)普遍趨向于深層設(shè)計(jì)，導(dǎo)致圖像的淺層特征難以與深層特征融合。針對這些問題，提出一種基于注意力機(jī)制的雙路解碼器圖像去噪方法。首先，設(shè)計(jì)一種殘差密集塊(RDB)來對U-Net網(wǎng)絡(luò)進(jìn)行改進(jìn)，實(shí)現(xiàn)網(wǎng)絡(luò)深度的增加，有效提升模型的穩(wěn)定性并緩解梯度消失問題；其次，設(shè)計(jì)... （共9頁）