Linear Attention Based Deep Nonlocal Means Filtering for Multiplicative Noise Removal

本文讨论了在雷达图像、医学图像和其他重要领域的图像中广泛存在的乘性噪声。与普通噪声相比，乘性噪声对图像的视觉表达具有更强的影响。针对乘性噪声的去噪问题，本文使用深度学习线性化非局部均值算法，并提出了基于线性注意机制的深度非局部均值滤波（LDNLM）。从传统的非局部均值滤波开始，本文采用深度通道卷积神经网络提取邻域矩阵的信息，并获得每个像素的表示向量。然后，我们用注意机制的内部操作替换了相似度计算和加权平均过程。为了降低计算复杂度，通过相似度计算和加权平均的公式，我们得出了具有线性复杂度的非局部滤波器。在模拟和真实的乘性噪声实验中，LDNLM相对于最先进的方法更具竞争力。此外，我们证明LDNLM具有接近传统NLM的可解释性。

本论文旨在解决多项式噪声去噪问题，提出了一种基于深度学习的线性非局部均值滤波算法。

本文提出的LDNLM算法通过将传统的非局部均值滤波算法线性化，利用深度卷积神经网络提取邻域矩阵信息，并使用注意力机制进行相似度计算和加权平均处理，从而实现对多项式噪声的去噪。

本文提出的LDNLM算法在模拟和真实多项式噪声去噪实验中均表现出色，比现有的方法更具竞争力。此外，本文还证明了LDNLM与传统NLM具有接近的可解释性。

近年来，在多项式噪声去噪领域，还有一些相关研究，如《A Non-Local Algorithm for Image Denoising》、《Non-local Means Denoising》等。