كاهش نويز تصاوير ديجيتال با استفاده از اثر توجه و كاهش عمق شبكه هاي عصبي عميق

يكي از مهمترين موضوعات در پردازش تصوير حذف نويز مي باشد تا بتوان كيفيت تصوير را بهبود بخشيد. از آنجائيكه شبكه هاي عصبي عميق به تنهايي با افزايش عمق شبكه با مشكلاتي مانند محو گراديان مواجه مي شوند و نمي توانستند جزئيات را به خوبي براي يك وظيفه خاص پوشش دهند در اين مقاله، با كاهش عمق شبكه و افزايش پهناي آن، امكان استخراج ويژگي هاي متنوع از كانال هاي مختلف فراهم مي شود، كه اين امر منجر به افزايش دقت شبكه مي گردد. با افزايش پهناي شبكه به دو انشعاب، اطلاعات متفاوتي از تصوير نويزي استخراج مي شود كه اين عمل براي تفكيك داده هاي نويزي  از تصوير  بسيار موثر است. اثر توجه به ويژگي ها در هر كانال و وزن دهي آنها در عمليات حذف نويز نيز در نظر گرفته مي شود. در نهايت براي بررسي كارامدي روش پيشنهادي، نتايج با آخرين دستاوردهاي اين حوزه مقايسه مي شوند. نتايج شبيه سازي با بررسي دو معيار PSNR و SSIM و هم از نگاه بصري نشان مي دهد اين روش در مقابله با انواع نويز تركيبي و كور جهت انجام كارهاي پردازشي در حد قابل قبولي مي باشد و از طرفي استفاده از  اثر توجه و شبكه هاي موازي مي تواند در مواجهه با نويز حقيقي بسيار موثر باشد و توانسته است به ميانگين PSNR=36.34db دست يابد