딥러닝 기반 이미지 노이즈 제거 효율성을 향상시키기 위해 Res2-Unet-SE 기반 다단계 감독 딥 레지듀얼(Multi-stage Supervised Deep Residual, MSDR) 노이즈 제거 신경망을 제안하였다. 먼저 해당 신경망을 기반으로 이미지 노이즈 제거를 다단계 처리 과정으로 분할하였다; 각 처리 단계에서는 서로 다른 해상도의 이미지 블록을 Res2-Unet 하위 네트워크에 입력하여 다양한 스케일의 특징 정보를 획득하고, 채널 어텐션 메커니즘을 통해 적응 학습된 융합 특징 정보를 다음 단계로 전달한다; 마지막으로 서로 다른 스케일의 특징 정보를 합산하여 고품질 이미지 노이즈 제거를 완성한다. 실험에서는 BSD400 데이터셋을 학습에 사용하였으며, Set12 데이터셋을 통해 가우시안 노이즈 제거 테스트를 수행하였고, SIDD 데이터셋을 통해 실제 노이즈 제거 테스트를 완료하였다. 일반적인 노이즈 제거 신경망과의 비교 결과, 이미지에 σ=15, 25, 50의 가우시안 노이즈를 추가했을 때, 본 논문 알고리즘으로 노이즈 제거한 이미지의 PSNR은 가우시안 노이즈 제거 성능이 우수한 DNCNN 대비 각각 0.03 dB, 0.05 dB, 0.14 dB 향상되었으며, σ=25, 50에서는 MPRNET 대비 각각 0.02 dB, 0.06 dB 향상되었다. 실제 노이즈가 포함된 이미지의 경우, 본 논문 알고리즘으로 노이즈 제거한 이미지의 PSNR이 CBDNET 알고리즘 대비 0.48 dB 향상되었다. 실험 분석 결과, 본 논문 알고리즘은 이미지 노이즈 제거에 있어 높은 강건성을 가지며, 노이즈로부터 효과적으로 이미지 세부 사항을 복원할 뿐만 아니라 이미지의 전역 의존 관계를 충분히 유지할 수 있음을 보여준다.

이미지 노이즈 제거;실제 노이즈;레지듀얼 네트워크;채널 어텐션 메커니즘;감독 어텐션 메커니즘