基于多通道分离整合的多尺度单幅图像去雨算法

摘要：

由于密度不同的雨对图像造成的遮挡不同,图像去雨一直都是一项极具挑战性的任务.目前,基于深度学习的图像去雨算法已经成为主流.然而,多数深度学习的架构都是通过堆叠卷积层来设计的,执行去雨任务后图像仍存在着大小不一的雨痕,这些方法并不能很好地关注训练中雨图的局部信息和上下文信息.为了解决上述问题,本文设计一种基于多通道分离整合的卷积神经网络用于图像去雨.第一步通过通道分离,再利用卷积层间的层级连接,构成多尺度模块,最终将不同通道的输出进行整合.该模块可以增大感受野,探索特征图之间的空间信息,更好地提取特征.第二步利用渐进网络来反复计算挖掘上下文信息,能够很好关联到全局特征.整体模型易于实施,可以端对端训练.在常用的数据集以及自建的自动驾驶雨天数据集上的大量实验表明,本文方法比现有方法取得了明显的改进.

关键词：图像去雨;深度学习;卷积神经网络;多尺度;通道分离整合

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金青年基金资助项目;"福建省智能物流产业技术研究院建设"项目;机器人与系统国家重点实验室项目;泉州市科技计划项目

在线出版日期：2021-12-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：72-78