💻 computer science

DDAN: A Dense Dual-Attention Network with Physics-Informed Loss for Robust Multi-Type Optical Image Denoising

本文介绍了稠密双重注意力网络（DDAN），这是一种物理启发式的深度学习框架，通过将残差稠密块与双重注意力机制以及专门的复合损失函数相结合，在鲁棒地去除加性、乘性及混合光学噪声方面实现了最先进的性能。

原作者： Slim Rouabah, Rabah Abdelkader, Meziane Kaci, Salem Merabti, Hassane Ezziane, Youcef Naas

发布于 2026-09-04

📖 1 分钟阅读☕ 轻松阅读

原作者： Slim Rouabah, Rabah Abdelkader, Meziane Kaci, Salem Merabti, Hassane Ezziane, Youcef Naas

原始论文采用 CC BY 4.0 许可（https://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

相机捕捉到的图像很少是完美的。它们经常受到一种被称为“噪声”的退化影响，这种现象表现为颗粒状或斑点状的失真，会掩盖精细的细节。这个问题主要通过两种方式产生：第一种是加性噪声（additive noise），这是一种随机静电，像窗户上的灰尘一样叠加在图像上，与场景的亮度无关。第二种是乘性噪声（multiplicative noise），这是一种在相干成像系统中常见的干扰类型，其颗粒感在明亮区域增强，在黑暗区域减弱，直接随照射到传感器的光线强度而变化。在现实世界中，这两种类型的破坏往往同时出现，形成一种极难清理的混合型混乱。几十年来，科学家们一直致力于构建一种能够同时去除这两类噪声，且不会模糊掉那些对于识别物体或绘制地形等任务至关重要的锐利边缘和纹理的单一工具。

来自阿尔及利亚大学的一个研究小组通过开发一种名为“密集双重注意力网络”（Dense Dual-Attention Network，简称 DDAN）的新型计算机程序，解决了这一长期存在的挑战。不同于以往仅旨在处理一种特定噪声类型的方法，这个新系统旨在同时应对加性噪声、乘性噪声及其混合组合。研究人员利用数千张合成图像对软件进行了训练，教它识别不同噪声类型的独特模式，同时保留场景的底层结构。结果表明，这是一个强大的工具，根据他们的测试，该系统优于目前现有的所有方法，能够恢复那些此前被认为因过度损坏而无法使用的图像的清晰度。

这个新系统的核心架构模仿了人类检查受损照片的方式。软件首先将图像分解成更小、更简单的部分，以理解噪声的宏观模式。然后，它逐层重建图像，利用一种特殊的流程来复用早期步骤中的信息，以确保没有任何细节丢失。该设计中的一个关键创新是一个被称为“双重注意力”（dual attention）的机制。想象一个人试图擦拭一块沾满泥泞的窗户：他们首先决定哪些部分的玻璃最值得观察，然后将清洁精力专门集中在那些区域。同样，DDAN 软件使用两层聚焦机制：一层决定哪些颜色通道或特征最为重要，另一层则决定图像上的哪些特定位置需要最多的关注。这使得程序能够在抑制颗粒状噪声的同时，保持建筑物、树木或人脸的锐利线条完好无损。

为了教会计算机如何正确执行此操作，研究人员并没有依赖于仅仅计算有多少像素错误的简单规则。相反，他们创建了一个基于光与噪声相互作用物理定律的训练指南。该指南告诉软件要精确控制每个像素的亮度，保持图像中物体的整体形状和结构，并遵循定义乘性噪声行为的特定数学关系。通过结合这三个要求，软件学会了如何区分照片中的真实边缘与随机的噪声斑点——这种区别是旧方法经常忽略的，从而导致模糊或涂抹的结果。

研究人员使用四组不同的标准测试图像（从自然景观到羽毛和织物等复杂纹理）对新系统进行了七种领先方法的对比测试。他们让这些图像承受了各种程度的噪声，从轻微颗粒到严重的混沌失真。在每一次测试中，DDAN 系统产生的图像都比竞争对手更清晰。当噪声较轻时，新系统比次优方法提升了近 8 分贝的图像质量。随着噪声加剧，这种优势变得更加显著，在某些情况下提升甚至超过了 12 分贝。这种性能差距在所有类型的噪声中都是一致的，包括其他系统通常会失效的最严重的单次观测斑点（single-look speckle）条件。

视觉结果证实了数据所展示的情况。在其他方法会在锐利边缘留下模糊光晕，或无法恢复绳索纹理或织物经纬等精细细节的图像中，DDAN 系统以卓越的清晰度恢复了这些特征。它成功地完全平滑了背景噪声，同时保持了结构细节的清晰与分明。研究人员发现，这种普遍的成功归功于密集特征复用、双重注意力聚焦以及基于物理的训练指南的结合。通过迫使软件理解噪声的物理本质而非仅仅记忆模式，他们创造了一个无论图像如何受损都能可靠工作的系统。这项工作为清理光学图像建立了新标准，为此前需要针对不同情况使用不同工具的问题提供了一个统一的解决方案。

技术摘要：DDAN —— 一种具有物理启发损失的密集双重注意力网络

1. 问题陈述

光学图像获取从根本上受到两种不同形式退化的挑战：加性高斯噪声，源于与场景内容无关的电子干扰，其方差具有独立性；以及乘性斑点噪声（Speckle Noise），这是相干成像系统固有的，其方差随局部信号强度而变化。在实际场景中，这些噪声类型经常共存，形成混合型破坏，从而加剧了去噪的难度。

现有文献揭示了一个关键的性能差距：

经典方法（如 Lee、Frost、BM3D）依赖于手工设计的先验知识，往往会导致纹理过度平滑，且无法适应空间变化或混合噪声机制。
深度学习方法通常专注于单一噪声类型。基于 CNN 的方法（如 DnCNN、SAR-CNN）通常假设加性高斯统计特性，而基于 Transformer 或针对斑点噪声设计的架构（如 DATNet）可能缺乏对加性噪声或混合条件的适应能力。
当前局限性： 目前尚无统一的架构能在受物理感知训练目标约束的同时，在加性、乘性和混合噪声机制下同时达到最先进的性能。

2. 方法论

作者提出了 DDAN（密集双重注意力网络），这是一个端到端的编码器-解码器框架，旨在实现鲁棒的多类型图像去噪。该架构集成了三个协同的设计原则：分层多尺度特征提取、同步的空间与通道域注意力，以及物理启发的复合损失函数。

2.1 架构：带有双重注意力的残差密集块 (RDBA)

DDAN 遵循 U-Net 范式，包含一个三阶段收缩编码器、一个瓶颈层以及一个三阶段扩张解码器。取代标准残差块的核心计算单元是 RDBA，它将密集特征复用与显式注意力机制相结合。

密集特征连接： 在每个 RDBA 内部，三个卷积层是密集连接的。每一层都接收之前所有层的级联输出作为输入。这种设计促进了跨尺度的特征复用和隐式多尺度处理，使网络能够从各种感受野大小中汇聚证据，以区分结构特征与噪声。
双重注意力模块 (DAM)： 在密集卷积之后，通过一个顺序的双重注意力模块来精炼特征。
- 通道注意力 (CA)： 使用全局平均池化 (GAP) 结合瓶颈 MLP 来重新校准特征通道，放大具有结构相关性的信息，并抑制受斑点污染的通道。
- 空间注意力 (SA)： 应用 $7\times7$ 深度卷积来生成空间显著性图，使网络聚焦于判别性区域（如边缘、目标），同时抑制均匀的噪声区域。
- 顺序级联： 这些模块以级联方式应用（先 CA 后 SA），确保空间门控作用于经过通道精炼后的特征，从而获得更精确的注意力图。

2.2 物理启发复合损失

为了解决标准像素级回归损失（这类损失假设加性高斯噪声并忽略结构保真度）的局限性，DDAN 采用了基于乘性斑点噪声模型的复合损失函数 ( $L_{total}$ ):
$L_{total} = \alpha \cdot L_{L1} + \beta \cdot L_{SSIM} + \gamma \cdot L_{speckle}$

$L_{L1}$ (像素保真度)： 平均绝对误差，权重较高 ( $\alpha=0.7$ )，以确保准确的像素级重建并提高对离群值的鲁棒性。
$L_{SSIM}$ (结构相似性)： 惩罚 $L_{L1}$ 可能忽略的结构退化（模糊、对比度丢失），权重为 $\beta=0.2$ 。
$L_{speckle}$ (对数比约束)： 这是最具辨识度的组成部分。该项源自伽马分布的斑点模型 ( $I = \sigma_0 \cdot n$ )，通过最小化预测图像与真实图像之间的预期绝对对数比来实现。这通过将乘性偏差转化为加性偏差，提供了一种尺度不变的正则化 ( $\gamma=0.1$ )，从而强制执行与乘性噪声模型的物理一致性。

2.3 训练协议

该模型在基于 NWPU-RESISC45 数据集的合成数据上进行训练。为确保鲁棒性，训练样本被三种噪声模型破坏：

加性高斯： 四个强度水平 ( $\sigma^2 \in \{25, 50, 75, 100\}$ )。
乘性斑点： 四个等效视数 (ENL) 水平 ( $L \in \{1, 4, 8, 16\}$ )，其中 $L=1$ 代表严重的单视数斑点。
混合噪声： 加性和乘性噪声的组合。

3. 关键结果

DDAN 在四个基准数据集（Classic5、Kodak24、McMaster、Set12）上，针对 96 种不同条件（4 个数据集 $\times$ 3 种噪声类型 $\times$ 4 个强度水平），与七种竞争方法（BM3D、DnCNN、SAR-CNN、SAR-DRN、SAR-Transformer、SAR-CAM 以及最先进的 DATNet）进行了评估。

加性高斯噪声： DDAN 在所有条件下均达到了最先进的性能，在 PSNR 上超过第二名（DATNet）7.94 至 12.51 dB。它在所有噪声水平下均保持了 0.92 以上的 SSIM 分数，而 DATNet 在高噪声水平下跌破 0.68。
乘性斑点噪声： DDAN 在所有视数下均优于所有方法，包括最严重的单视数情况 ( $L=1$ )。其 PSNR 超过 DATNet 0.58 至 1.23 dB。值得注意的是，尽管 DATNet 的架构是专门针对使用动态门控注意力和频域分解的斑点抑制而设计的，但 DDAN 依然实现了超越。
混合噪声： 在最具有实际意义的加性和乘性噪声同时破坏的情景下，DD-AN 在所有 32 行评估数据中均领先所有方法。随着噪声强度的增加，性能差距进一步扩大，在最高强度水平 ( $\sigma^2=100, L=16$ ) 下，相比 DATNet 的增益达到 6.27 至 7.41 dB，而在最轻微的混合条件下，增益为 0.90 至 1.41 dB。
定性分析： 视觉对比证实，DDAN 在保留精细结构细节（边缘、纹理）的同时，避免了经典滤波器中的过度平滑现象，也避免了其他深度学习基准模型中出现的晕影伪影和残留颗粒。

4. 重要性与主张

论文声称 DDAN 建立了多类型光学图像去噪的新通用基准。其重要性在于以下三个具体贡献：

统一架构： 它是第一个在单一统一框架内，同时在加性、乘性和混合噪声机制下实现最先进性能的方法，消除了对特定噪声类型模型的需求。
物理启发泛化： 结果表明，一个设计良好的多目标损失函数（结合了物理先验——对数比斑点约束——以及感知和像素级指标）可以超越架构特定的先验。这使得通用骨干网络（RDBA + DAM）能够有效地学习复杂的噪声分布（包括重尾的 $L=1$ 斑点）。
可扩展性： DDAN 的性能优势随噪声强度单调增长。随着噪声变得更加严重，物理启发损失提供了日益有效的正则化，而单目标或特定噪声的基准模型则会遇到由其训练分布决定的性能天花板。

作者总结道，密集特征复用、顺序双重注意力和物理感知复合损失的结合，创造了一个鲁棒的解决方案，在所有评估条件下均优于现有的专用方法。