基于深度学习的彩色图像去噪方法通常是在各个通道进行卷积操作后再进行合并得到最后的卷积结果。这种方式没有充分考虑色彩通道之间的光谱相关性，可能导致去噪结果的失真。四元数卷积将彩色像素当作一个整体来进行处理，可以很好地解决这一问题。但是单一的四元数卷积网络不能较好地还原图像细节信息。针对这一问题，提出一种用于去除彩色随机脉冲噪声的双通道四元数卷积网络DQNet。该网络首先基于结构通道和色彩通道融合的策略，采用基于扩张卷积的结构细节还原模块来提取结构和边缘特征，采用四元数卷积网络来提取色彩特征;然后针对卷积运算会导致部分全局信息丢失的问题，通过长线连接将含有丰富全局特征的输入噪声图像与卷积结果进行融合，设计基于注意力机制的特征增强模块来指导网络提取复杂背景中的潜在噪声特征;最后利用残差学习实现彩色随机脉冲噪声的复原。实验结果表明，所提算法具有较好的去噪性能，在中度噪声污染或高度噪声污染的情况下去噪效果更为突出。