💻 computer science

The Diffusion Duet: Harmonizing Dual Channels with Wavelet Suppression for Image Separation

本文提出了一种名为 DCDSM 的双通道扩散分离模型，通过引入小波抑制模块（WSM）在反向去噪过程中利用源图像间的耦合噪声特性，有效解决了盲图像分离中复杂特征分布难以表征的问题，并在雨/雪去除及复杂混合分离任务中实现了优于现有最先进方法的性能。

原作者： Jingwei Li, Wei Pu

发布于 2026-02-17

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Jingwei Li, Wei Pu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一种名为 DCDSM 的新技术，它的核心任务是解决一个非常棘手的视觉难题：“盲图像分离”（Blind Image Separation）。

简单来说，就是当你只有一张混合了多种干扰或物体的照片（比如被暴雨淋湿的街道、被大雪覆盖的窗户，或者两幅画叠在一起的照片），却不知道它们是怎么混在一起的，也不知道原始画面长什么样时，如何把这张“大杂烩”还原成几张清晰的“原图”。

为了让你更容易理解，我们可以把这项技术想象成一场**“魔法烹饪秀”，而论文中的核心创新就是“双厨师协作”加上“声波筛子”**。

1. 核心难题：一碗“乱炖”

想象一下，有人把两碗不同的汤（比如一碗清汤和一碗浓汤）倒进了同一个碗里，还撒了一把盐（噪声），你完全不知道原来的配方是什么。

传统方法（老式厨师）：试图靠经验（统计学）去猜哪部分是清汤，哪部分是浓汤。但在复杂的现实场景（比如暴雨、大雪）中，汤太浑浊了，老方法经常猜错，导致还原出来的汤要么味道不对（纹理失真），要么还有没滤干净的渣（残留噪点）。
深度学习旧方法（GAN 厨师）：虽然学会了做很多菜，但它们容易“偏科”，有时候为了把汤变清，把里面的肉（细节）也弄丢了，或者把汤做得太假（产生伪影）。

2. 新方案：DCDSM（双厨师协作 + 声波筛子）

这篇论文提出的 DCDSM 就像是一个拥有超能力的双人烹饪团队，他们使用了两种神奇的工具：

A. 魔法工具一：扩散模型（Diffusion Model）—— “时间倒流术”

比喻：想象你有一杯混了墨水的清水。传统的做法是试图把墨水挑出来。而扩散模型的做法是：先往杯子里加更多的墨水，直到它变成一团完全看不清的混沌（这是“前向扩散”）；然后，它利用强大的记忆力，一步步地、耐心地把墨水“变回去”（这是“反向去噪”）。
作用：它不像其他方法那样急于求成，而是像剥洋葱一样，一层层地还原出图像原本的样子。这种方法非常擅长学习“汤”原本应该长什么样（数据分布），即使面对复杂的暴雨或大雪，也能还原出很自然的画面。

B. 魔法工具二：小波抑制模块（WSM）—— “声波筛子”

痛点：如果只有两个厨师各自干活，他们可能会互相干扰。比如，厨师 A 在还原“清汤”时，不小心把“浓汤”的香味（特征）也带进去了，导致分离不干净。
比喻：这就是论文中最巧妙的**“小波抑制模块”**。
- 想象这两位厨师手里都有一个**“声波筛子”**（基于小波变换和傅里叶变换）。
- 这个筛子能把汤里的“大颗粒”（整体结构，低频）和“小碎屑”（纹理细节，高频）分开看。
- 关键动作：当厨师 A 在还原清汤时，厨师 B 会拿着筛子，把清汤里混进去的“浓汤碎屑”（干扰信息）筛出来，并大声喊：“嘿，这部分是浓汤的，你把它扔掉！”（这就是抑制/减除）。
- 反之亦然。两个厨师通过这种**“互相提醒、互相剔除干扰”**的方式，把原本纠缠在一起的汤彻底分开了。

3. 为什么它这么厉害？（实验结果）

论文在三个主要场景下测试了这套系统，效果堪比“魔法”：

去雨（Rain Removal）：
- 场景：照片上全是雨丝。
- 效果：以前的方法去完雨，树叶边缘还是糊的，或者雨丝没去干净。DCDSM 去雨后，树叶脉络清晰可见，雨丝消失得无影无踪。它的评分（PSNR）比第二名高了 1.25 分，这在图像处理里是巨大的飞跃。
去雪（Snow Removal）：
- 场景：照片被雪花覆盖，像磨砂玻璃一样。
- 效果：其他方法去雪后，天空和云朵经常混在一起，或者把车标弄模糊了。DCDSM 能精准地把雪花“筛”掉，保留下车标和建筑的锐利边缘。
复杂混合分离（Complex Mixture）：
- 场景：两幅画叠在一起（比如一朵花和一盘水果叠在一起）。
- 效果：这是最难的任务。DCDSM 成功地把花和水果完全分开，而且没有留下任何“鬼影”（残留的对方物体的痕迹）。

4. 总结：它解决了什么？

以前的问题：分离图像时，要么分不干净（有残留），要么把原图弄坏了（细节丢失）。
现在的突破：
- 利用**“时间倒流”**（扩散模型）来保证还原出的图像是真实自然的。
- 利用**“声波筛子”（小波抑制）让两个还原过程互相配合**，专门剔除对方留下的干扰。

一句话总结：
这就好比两个拥有“透视眼”和“超级筛子”的侦探，他们不再各自为战，而是通过互相指出对方眼中的“假象”，联手把一张被暴雨、大雪或重叠物体弄脏的照片，完美地还原成了两张清晰、锐利、毫无瑕疵的原始照片。

论文技术总结：基于小波抑制的双通道扩散模型用于图像分离

1. 研究背景与问题定义

盲图像分离 (Blind Image Separation, BIS) 是一个极具挑战性的逆问题，旨在在未知混合模式且无源图像先验知识的情况下，从单张观测图像中同时估计并恢复多个独立的源图像。

核心难点：BIS 是一个病态问题（ill-posed），未知源图像数量多于观测数量。
现有方法的局限性：
- 传统统计方法 (如 ICA)：依赖源信号的统计独立性和非高斯分布假设，难以处理真实场景中的特征相关性和非线性混合。
- 深度学习方法 (CNN/GAN)：虽然在特征学习上有优势，但在强噪声、非线性混合及复杂纹理场景下，仍存在估计偏差、纹理失真和伪影残留（如雨痕、雪花残留）等问题。
- 扩散模型 (Diffusion Models) 的空白：尽管扩散模型在图像生成和去噪方面表现卓越，但将其应用于双通道盲图像分离，特别是解决源图像间的相互耦合噪声问题，尚属空白。

2. 方法论：双通道扩散分离模型 (DCDSM)

本文提出了一种创新的双通道扩散分离模型 (Dual-Channel Diffusion Separation Model, DCDSM)，将扩散模型的强大生成能力与小波域处理相结合。

2.1 整体架构

DCDSM 包含三个核心组件：

统一的前向扩散过程：将混合图像逐步转化为含噪的潜在表示。
双路并行反向去噪分支：两个独立的去噪分支，通过条件生成逐步恢复源图像，保持各自源的特征。
小波抑制模块 (Wavelet Suppression Module, WSM)：这是核心创新点，嵌入在双分支的反向过程中，用于处理源图像间的相互耦合。

2.2 核心组件详解

A. 双通道扩散框架

前向过程：采用线性方差调度，通过马尔可夫链将混合图像 $x_0$ 逐步添加高斯噪声。
反向过程：设计两个参数独立的去噪分支，以混合图像 $I_c$ 为条件，预测噪声分量 $\epsilon$ 并逐步恢复源图像。这种条件生成机制确保每个分支专注于恢复特定的源特征，同时保持与原始混合图像的一致性。

B. 小波抑制模块 (WSM)

WSM 旨在解决源图像在分离过程中的相互耦合 (Mutual Coupling) 问题，即一个源图像的特征可能被视为另一个源图像的干扰噪声。

工作原理：利用小波变换同时捕获全局结构（低频）和局部纹理（高频）的能力。
处理流程：
- 高频分量：对 LH, HL, HH 子带进行卷积调整、U-Net 上下文增强及 2D 离散小波变换，提取边缘和纹理中的抑制信息。
- 低频分量：对 LL 子带进行傅里叶变换，利用提出的基于窗口的频率通道注意力机制 (WFCA) 选择性增强相关频率并抑制干扰，再经逆傅里叶变换还原。
- 交互抑制：将提取的抑制信息 $x_{out}$ 从互补分支的中间结果中减去，从而更彻底地解耦耦合源，减少伪影传播。
时序策略：WSM 在反向扩散的关键时间点（如 $t=\alpha$ 和 $t=0$ ）插入，平衡早期结构形成和最终细节 refinement。

2.3 优化目标

扩散损失 ( $L_{diff}$ )：标准去噪分数匹配目标，训练网络预测噪声。
小波抑制损失 ( $L_{WFEN}$ )：衡量抑制操作后分离质量的相对提升，鼓励模块提取能有效减少互补分支误差的信息。
总损失： $L_{total} = \gamma L_{diff} + L_{WFEN}$ ，通过超参数 $\gamma$ 平衡两者。

3. 主要贡献

首创架构：提出了首个用于盲图像分离的双通道扩散框架，通过交互分支协同分离混合图像。
小波抑制模块 (WSM)：创新性地设计了时频域联合的抑制模块，有效解决了源图像间的相互耦合噪声问题，显著提升了细节分离能力。
全面验证：在合成数据集（雨/雪去除）和复杂混合数据集上进行了广泛实验，证明了其在定量指标和视觉质量上的 SOTA 性能。
理论分析：提供了扩散过程在 BIS 背景下的理论分析，并通过消融实验验证了设计选择的有效性。

4. 实验结果

实验在雨去除、雪去除及复杂混合分离任务上进行了评估，对比了包括 Histoformer, LDRCNet, Restormer, GAN 变体等在内的 9 种 SOTA 方法。

4.1 定量性能 (PSNR / SSIM)

雨去除：
- 在 Rain-0.5 和 Rain 数据集上，DCDSM 分别达到 35.0023 dB / 0.9549 的平均性能。
- 优于次优方法 Histoformer 约 1.2570 dB (PSNR) 和 0.0262 (SSIM)。
雪去除：
- 达到 29.8108 dB / 0.9243，优于次优方法 LDRCNet 约 0.9272 dB 和 0.0289。
复杂混合分离 (双源)：
- 平均 PSNR 和 SSIM 分别为 25.0049 dB 和 0.7997。
- 相比对比方法 BID，PSNR 提升了 4.1249 dB，SSIM 提升了 0.0926。

4.2 定性分析

细节保留：DCDSM 在完全去除雨/雪伪影的同时，极好地保留了纹理细节（如树叶、建筑纹理、车辆标志），避免了其他方法常见的过度平滑或纹理扭曲。
耦合处理：在复杂混合场景中，有效消除了黑斑和纹理污染，实现了干净的分离。

4.3 消融实验

WSM 的有效性：移除 WSM 导致性能大幅下降（PSNR 下降约 8.4 dB）。
时序策略：在 $t=5$ 和 $t=0$ 同时插入 WSM 效果最佳，证明了多阶段抑制的协同效应。
超参数：最佳平衡因子 $\gamma=3$ ，最佳抑制时间点 $\alpha=5$ 。

5. 意义与结论

本文提出的 DCDSM 框架通过扩散模型的生成先验与小波域的频域分析相结合，成功解决了盲图像分离中长期存在的特征纠缠和耦合噪声问题。

技术突破：证明了扩散模型在处理逆问题（特别是多源分离）中的巨大潜力，并引入了交互式的抑制机制来弥补单一条件扩散的不足。
应用价值：该方法在自动驾驶（恶劣天气去除）、医学成像（伪影分离）和遥感（云层去除）等领域具有广泛的应用前景。
未来方向：未来的工作将集中在通过潜在扩散模型 (Latent Diffusion Models) 进一步优化计算效率，以支持实时应用，并扩展至文档图像恢复等新兴领域。

总结：该论文通过创新的“双通道 + 小波抑制”架构，在盲图像分离任务上取得了显著的性能突破，为处理复杂混合场景下的图像恢复问题提供了新的范式。