摘要
针对使用深度学习的单幅图像去雨算法会导致细节信息丢失的问题,提出了一个双分支去雨网络,包括雨痕提取分支和细节恢复分支,通过补全细节使去雨图像更接近真实图像.雨痕提取分支的目的是完全提取出雨纹,通过构造特征金字塔来多尺度地学习雨纹信息,并在其中引入执行了全部身份映射的完全残差块来加强特征的重用和传播.为充分利用上下文信息,采用可变形卷积在动态扩大感受野的同时避免了网格伪影的产生,最后输入雨图去除雨痕便得到了初步去雨图.细节恢复分支需要产生细节特征图反馈给初步去雨图像来找回丢失的细节,使用轻量级的完全残差块捕捉特征信息,并用跳跃连接来连接完全残差块提供长距离的信息补偿.实验结果表明,该网络在合成数据集Rain100H中比较RESCAN、SPANet和JDNet等主流去雨方法,在PSNR和SSIM指标上分别至少提高了0.09 dB和0.02,在真实数据集和自制数据集中的去雨效果和细节保留程度均优于对比方法.
国家科技期刊平台
NSTL
维普
万方数据