[发明专利]一种基于多尺度混合注意力的太赫兹图像去噪方法

权利要求书

1.一种基于多尺度混合注意力的太赫兹图像去噪方法，其特征在于，包括：

获取含噪的太赫兹图像；

构建与所述太赫兹图像分辨率相同的噪声水平图；

将所述太赫兹图像作为噪声图像，与构建的噪声水平图输入到训练好的去噪模型中，输出最终的去噪图像；

所述去噪模型包括依次连接的输入特征图融合处理单元、特征提取单元和监督去噪单元，其中：

输入特征图融合处理单元用于融合输入的噪声图像和噪声水平图，同时进行通道调整，得到第一特征图；特征提取单元用于针对第一特征图学习深层和浅层的多尺度特征信息，得到第二特征图；监督去噪单元用于根据所述第二特征图以及噪声图像进行自适应监督图像去噪与增强图像细节，得到阶段恢复的去噪图像和噪声预测图；对噪声预测图进行均衡处理得到所述的去噪图像。

2.根据权利要求1所述的基于多尺度混合注意力的太赫兹图像去噪方法，其特征在于，所述输入特征图融合处理单元用于融合输入的噪声图像和噪声水平图，同时进行通道调整，得到第一特征图，包括：

将噪声图像、与噪声图像分辨率相同的噪声水平图输入到特征融合处理单元；其中，所述噪声水平图是由设定的噪声水平拉伸成的噪声水平映射；

将噪声图像与噪声水平图进行拼接融合得到输入特征图，之后通过一个卷积层对输入特征图提升维度信息，得到第一特征图。

3.根据权利要求1所述的基于多尺度混合注意力的太赫兹图像去噪方法，其特征在于，所述特征提取单元用于针对第一特征图学习深层和浅层的多尺度特征信息，得到第二特征图，包括：

第一步，对第一特征图进行两次编码，得到编码特征图I_j(j＝1,2)；

第二步，利用级联密集块FLC Block₀对第一特征图I₀进行特征学习，得到特征学习后的强化图利用级联密集块FLC Block₁、FLC Block₂分别对编码特征图I_j(j＝1,2)进行特征学习，得到特征学习后的强化图对级联密集块FLC Block₂输出的强化图进行解码重构，得到解码特征图

第三步，将解码重构的特征图与级联密集块FLC Block₁输出的强化图一起经过解码注意力模块输出凸显局部特征的注意力增强特征图I^A；

注意力增强特征图I^A经过一个卷积块处理后，输出特征图I^B；

特征图I^B再经过另一个解码单元进行解码，解码后的特征图与经过级联密集块FLCBlock0输出的强化图通过另一个解码注意力模块后，再经过卷积块处理后输出即为特征提取单元最终输出的第二特征图。

4.根据权利要求3所述的基于多尺度混合注意力的太赫兹图像去噪方法，其特征在于，所述对第一特征图进行两次编码，得到编码特征图，包括：

待编码的第一特征图I₀并联经过4个步长为2、扩张率分别为1、2、4、8的空洞卷积以及1个池化块操作构成的5层金字塔结构；其中，所述的池化块操作包括平均池化和一个卷积层；金字塔的每一层再分别通过带泄露修正线性单元激活后相融合，得到多尺度融合特征图，最后经过一个卷积层恢复通道特征，得到编码特征图I_j。