基于多级联递进卷积结构的图像去雨算法

摘要：

雨天图像会影响计算机视觉任务的效果与精度.雨天图像常常包含来自不同方向、大小、形状的雨点或雨痕,在对这些雨点、雨痕进行去除时,现有的方法往往没有考虑到雨天图像不同精细尺度下的特征信息,仅采用单一尺度进行图像去雨存在很大缺陷,无法恢复出足够清晰的视觉任务图像.受益于卷积神经网络架构的强大特征提取能力,本文提出了一种端到端的多级联递进卷积结构算子,该算子包含4层卷积层,通过阶梯化连接构成一个整体模块,该模块可以针对多尺度场景下的雨天进行特征提取并整合.将该算子模块嵌入到渐进循环网络结构中,利用循环结构多次去除雨纹,最终有效还原出接近真实图像的无雨图像.该方法在现有的人工合成雨图数据集Rain100H、Rain100L、Rain800与自动驾驶领域合成雨图数据集BDD1000上进行了对比实验.实验结果表明,该算法在 4个数据集上的PSNR值达到了30.70,37.91,27.63,35.74 dB,SSIM值达到了0.914,0.980,0.894,0.977.通过真实雨图数据集去雨结果的可视化展示,充分验证了本文方法在去雨任务上的有效性.

关键词：图像去雨、多级联递进卷积结构、卷积神经网络、深度学习、多尺度特征、残差结构

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2023-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1409-1422