一、传统降噪方法的局限性

在深度学习兴起前，图像降噪主要依赖空间域与频域的数学变换。高斯滤波通过局部加权平均抑制噪声，但过度平滑导致边缘模糊；中值滤波对椒盐噪声有效，却无法处理高斯白噪声；小波变换通过多尺度分解实现噪声分离，但阈值选择依赖经验且计算复杂度高。这些方法在噪声类型已知时表现稳定，但面对真实场景中混合噪声、非平稳噪声时，性能急剧下降。

二、基于CNN的经典降噪算法

1. DnCNN（Denoising Convolutional Neural Network）

2016年提出的DnCNN开创了深度学习降噪的里程碑。其核心创新在于：

• 残差学习：直接预测噪声图而非干净图像，将问题转化为$y = x + v$（y为含噪图，x为干净图，v为噪声）的残差建模，简化学习难度。
• 批量归一化（BN）：在每层卷积后加入BN层，加速训练并提升泛化能力。
• 深度架构：17层卷积（64通道3×3卷积核）+ ReLU激活，通过堆叠非线性变换捕捉多尺度噪声特征。

实验表明，DnCNN在BSD68数据集上对高斯噪声（σ=25）的PSNR达到28.96dB，超越传统BM3D方法（28.56dB）。其PyTorch实现关键代码：

class DnCNN(nn.Module):
    def __init__(self, depth=17, n_channels=64):
        super().__init__()
        layers = []
        for _ in range(depth-1):
            layers += [nn.Conv2d(n_channels, n_channels, 3, padding=1),
                       nn.ReLU()]
        self.net = nn.Sequential(*layers)
        self.conv_out = nn.Conv2d(n_channels, 3, 3, padding=1)
    def forward(self, x):
        residual = self.net(x)
        return x - self.conv_out(residual)  # 残差输出

2. FFDNet（Fast and Flexible Denoising Network）

针对DnCNN需为不同噪声水平训练独立模型的缺陷，FFDNet引入噪声水平图（Noise Level Map）作为输入：

• 可变噪声适配：通过将σ值编码为单通道图像，与含噪图拼接后输入网络，实现单模型处理多噪声水平（σ∈[0,50]）。
• 下采样-上采样架构：先对输入进行2倍下采样降低计算量，再通过转置卷积恢复分辨率，在保持性能的同时将推理速度提升3倍。

测试显示，FFDNet在σ=50时处理512×512图像仅需0.18秒（GPU），适合实时应用场景。

三、基于GAN的生成式降噪方法

1. CGAN（Conditional GAN）

将含噪图像作为条件输入生成器，通过对抗训练提升视觉质量：

• 生成器结构：采用U-Net架构，编码器-解码器对称设计，跳跃连接保留低频信息。
• 判别器设计：PatchGAN判别器对图像局部区域判别真假，避免全局判别导致的过度平滑。

损失函数组合L1损失与对抗损失：
$L = \lambda L{L1}(G(y),x) + L{adv}(D(G(y)),1)$

实验表明，CGAN在纹理丰富区域（如毛发、织物）的降噪效果显著优于CNN方法，但可能产生虚假纹理。

2. CycleGAN的无监督降噪

针对无配对数据场景，CycleGAN通过循环一致性约束实现无监督学习：

• 双向映射：学习含噪→干净（G）和干净→含噪（F）两个映射，要求$F(G(y))≈y$且$G(F(x))≈x$。
• 身份损失：加入$L_{idt}(G,x)=||G(x)-x||_1$防止模型篡改图像内容。

该方法在医学图像降噪中表现突出，例如从低剂量CT中恢复标准剂量图像，PSNR提升达2.3dB。

四、Transformer在降噪中的突破

1. SwinIR（Swin Transformer for Image Restoration）

将Swin Transformer的窗口多头自注意力机制引入降噪：

• 局部-全局建模：通过滑动窗口计算局部注意力，再通过窗口移位实现跨窗口交互，平衡计算效率与感受野。
• 多尺度特征融合：采用类似U-Net的编码器-解码器结构，在跳跃连接中加入深度可分离卷积增强特征传递。

在SIDD数据集（真实噪声）上，SwinIR的PSNR达到39.85dB，超越此前最佳CNN方法0.4dB。其关键模块实现：

class SwinTransformerBlock(nn.Module):
    def __init__(self, dim, num_heads, window_size=8):
        super().__init__()
        self.norm1 = nn.LayerNorm(dim)
        self.attn = WindowAttention(dim, num_heads, window_size)
        self.norm2 = nn.LayerNorm(dim)
        self.mlp = MLP(dim)
    def forward(self, x, H, W):
        B, L, C = x.shape
        x = x.view(B, H, W, C)
        # 窗口划分与注意力计算
        x = self.attn(self.norm1(x), H, W)
        x = x.view(B, L, C)
        x = x + self.mlp(self.norm2(x))
        return x

五、算法选型与工程实践建议

1. 噪声类型适配：

   • 高斯噪声：优先选择DnCNN/FFDNet，计算效率高
   • 真实噪声：SwinIR/CGAN，对复杂噪声分布建模更强
   • 医学图像：CycleGAN，适合无配对数据场景

2. 硬件资源权衡：

   • 移动端部署：选择轻量级FFDNet（参数量仅0.5M）
   • 服务器应用：SwinIR（需16GB以上GPU内存）

3. 数据增强策略：

   • 合成噪声：在干净图像上添加高斯/泊松噪声
   • 真实噪声模拟：通过相机成像管道反向建模
   • 混合增强：结合几何变换（旋转、裁剪）与噪声注入

4. 评估指标选择：

   • PSNR：衡量像素级误差，适合高斯噪声评估
   • SSIM：评估结构相似性，更贴近人眼感知
   • LPIPS：基于深度特征的感知质量评估

六、未来技术方向

1. 轻量化架构：通过神经架构搜索（NAS）自动设计高效网络
2. 自监督学习：利用噪声图像自身的统计特性进行无监督训练
3. 物理模型融合：将相机成像模型（如CRF曲线）嵌入网络设计
4. 视频降噪扩展：利用时序信息构建3D卷积或时序Transformer

深度学习图像降噪已从早期的CNN方法发展到如今的Transformer架构，其核心在于如何更高效地建模噪声分布与图像先验。开发者应根据具体应用场景（实时性、噪声类型、硬件条件）选择合适算法，并通过持续优化数据管道与训练策略提升模型性能。