基于变换域注意力机制的压缩伪影去除的方法

摘要：

图像有损压缩过程往往会导致图像质量退化,使图像出现压缩伪影.针对现有基于深度学习的方法缺乏对联合图像专家组(Joint Photographic Experts Group,JPEG)压缩算法先验信息的利用,提出一种基于变换域注意力机制的去伪影方法.该方法利用卷积神经网络在像素域和离散余弦变换(discrete cosine transform,DCT)域分别提取特征,再将双域学习的特征信息进行融合.利用量化表设计了DCT注意力机制,该模块根据DCT系数的损失程度给予各频率系数不同的权值,使网络自适应补偿量化引起的误差.于此基础上,在像素域引入通道注意力机制,从而更好地利用量化表的先验信息.在主要数据集上,提出的去伪影方法以固定的模型参数对多种质量因子的压缩图像进行伪影去除实验.实验结果表明,所提出的方法在各评价指标和主观视觉上取得较好的效果.

关键词：JPEG压缩、压缩伪影去除、量化表、通道注意力

所属期刊栏目：35

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;重庆市自然科学基金;重庆市自然科学基金;重庆市教委科学技术研究项目;重庆市教委科学技术研究项目;重庆市教委科学技术研究项目;重庆市教委科学技术研究项目

在线出版日期：2023-03-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：136-146