Le bruit de speckle est un artefact commun dans les systèmes d'imagerie cohérents tels que le radar, l'échographie et la tomographie avec cohérence optique (OCT), entraînant une dégradation de la qualité de l'image. Les méthodes de débruitage existantes compromettent souvent les détails de l'image ainsi que les artefacts indésirables. Cette étude propose quatre nouvelles architectures de débruitage : Guided DAE, Attention Guided DAE, Guided DAES et Attention Guided DAES. Par rapport aux modèles d'autoencodeurs de débruitage existants (DAE, DAES) et à d'autres modèles de deep learning, l'Attention Guided DAES obtient de meilleures performances, éliminant efficacement le bruit de speckle tout en préservant les caractéristiques de l'image. Il surpasse les DAE conventionnels, atteignant un PSNR de 29,77 et un SSIM de 0,7846, résultant en des images plus claires. Cette approche peut être appliquée à travers diverses modalités d'imagerie. L'Attention Guided DAES ouvre la voie à une meilleure analyse d'image dans d'autres domaines, la recherche scientifique et d'autres champs en surmontant les limitations imposées par le bruit de speckle.
Su-ada et al. (Fri,) ont étudié cette question.