我院乔双教授团队，在图像深度学习去噪方面取得突出进展，相关研究成果“Layered input GradiNet for image denoising”发表在《Knowledge-Based Systems》，该期刊是中科院大类1区Top期刊，IF=8.139。该成果被国内专业计算机视觉技术分享平台“我爱计算机视觉”公众号推广，阅读量已达4000余次。
在图像处理中，图像的高频区域（边缘、纹理等）直接影响结果的视觉感官质量。图像中不同梯度层次包含的信息内容存在差异，本研究重新思考了图像梯度在深度学习网络中的构建，从像素级对噪声图像进行分层，为网络输入提供更多结构信息，并通过反向传播梯度引导网络学习高频特征；通过将不同梯度层次信息进行深度融合，实现网络的高速学习和有效去噪。最后提出了即插即用的锐化损失解决去噪图像过于平滑的问题，突出图像中的高频信息，同时保护图像的细节、纹理等信息。在模拟噪声和真实噪声数据benchmark数据集上实现了SOTA。本研究提出的基于分层输入梯度网络的去噪方法将在多类型图像去噪应用中发挥较大作用。
图1 网络框架
图2 真实图像的去噪可视化对比（图中数字为PSNR值）
论文信息
Shuang Qiao, Jiarui Yang, Tian Zhang, Chenyi Zhao*. Layered input GradiNet for image denoising. KNOWLEDGE-BASED SYSTEMS, 2022, 254: 109587. https://doi.org/10.1016/j.knosys.2022.109587
作者简介
第一作者：乔双，东北师范大学教授，博士生导师，主要从事小型中子源技术及应用、嵌入式系统、模式识别与图像处理方面的研究。
通讯作者：赵辰一，《物理实验》期刊编辑，主要从事核物理学与核电子技术、数字图像处理、深度学习与模式识别等方面的研究。
学生作者：杨家瑞，控制科学与工程专业2020级硕士研究生，获得东北师范大学2021-2022学年研究生国家奖学金。
