基于深度密集連接控制網(wǎng)絡(luò)的單幅圖像去雨
2020年電子技術(shù)應(yīng)用第12期
李 蔚，安鶴男，劉 佳，涂志偉，張昌林
深圳大學(xué) 電子與信息工程學(xué)院，廣東 深圳518061
摘要： 雨線造成的圖像質(zhì)量退化嚴(yán)重影響圖像有效應(yīng)用及計算機(jī)視覺算法，因此圖像去雨十分必要。目前主流的深度學(xué)習(xí)去雨方法僅對單一尺寸的雨線有效，并且存在雨線去除不完全、模糊背景等問題。針對以上難點(diǎn)，提出了基于深度密集連接控制網(wǎng)絡(luò)的單幅圖像去雨算法。通過引入多尺度特征網(wǎng)絡(luò)加強(qiáng)對不同尺寸雨線的提取能力，引入注意力機(jī)制模塊提升對有雨區(qū)域的關(guān)注度，引入密集連接控制網(wǎng)絡(luò)以完整表示雨線特征。實(shí)驗(yàn)表明，該方法在合成數(shù)據(jù)集以及真實(shí)數(shù)據(jù)集對比主流去雨方法效果均有提升。
中圖分類號： TP183
文獻(xiàn)標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.200400
中文引用格式： 李蔚，安鶴男，劉佳，等. 基于深度密集連接控制網(wǎng)絡(luò)的單幅圖像去雨[J].電子技術(shù)應(yīng)用，2020，46(12)：48-52.
英文引用格式： Li Wei，An Henan，Liu Jia，et al. Deep controlled dense connection network for single image deraining[J]. Applica-
tion of Electronic Technique，2020，46(12)：48-52.
文獻(xiàn)標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.200400
中文引用格式： 李蔚，安鶴男，劉佳，等. 基于深度密集連接控制網(wǎng)絡(luò)的單幅圖像去雨[J].電子技術(shù)應(yīng)用，2020，46(12)：48-52.
英文引用格式： Li Wei，An Henan，Liu Jia，et al. Deep controlled dense connection network for single image deraining[J]. Applica-
tion of Electronic Technique，2020，46(12)：48-52.
Deep controlled dense connection network for single image deraining
Li Wei，An Henan，Liu Jia，Tu Zhiwei，Zhang Changlin
College of Electronics and Information Engineering，Shenzhen University，Shenzhen 518061，China
Abstract： Image quality degradation caused by rain streaks seriously affects the effective application of image and computer vision algorithm, so image deraining is very necessary. At present, mainstream deraining methods based on deep learning are only effective for single size rain streaks, and there are problems such as incomplete rain streaks removal and fuzzy background. Aiming at these difficulties, a single image deraining algorithm based on deep controlled dense connection network is presented. Through the introduction of multi-scale block, the ability to extract rain streaks of different sizes was enhanced. And attention mechanism module was injected to pay more attention to raining areas. What is more, controlled dense connection block was also introduced to fully represent the rain streaks characteristics. Experiments show that the proposed method outperforms some mainstream methods both on the synthetic dataset and the real dataset.
Key words : single image deraining；deep learning；convolution neural network；dense connection
0 引言
在雨天所采集的圖像數(shù)據(jù)往往伴隨著明顯的質(zhì)量退化，這對目標(biāo)檢測、目標(biāo)跟蹤等視覺算法造成極大影響。因此，去雨算法成為了當(dāng)下研究熱點(diǎn)之一。
相比于傳統(tǒng)的圖像處理方法，深度學(xué)習(xí)在去雨效果上已經(jīng)有了長足進(jìn)步，但還是不能很好地解決完整去除雨線的同時不丟失原有細(xì)節(jié)信息這一問題。由于雨線的大小、形狀不盡相同，單一的網(wǎng)絡(luò)結(jié)構(gòu)可能只對某一尺度的雨線敏感，這將導(dǎo)致去雨后圖片仍有雨線殘留，去雨效果不佳。而且圖像中往往包含大量細(xì)節(jié)信息，如條紋、圖案等，網(wǎng)絡(luò)無法準(zhǔn)確區(qū)分特征是否屬于背景細(xì)節(jié)，導(dǎo)致這些“偽雨線”被去除，圖像丟失有效內(nèi)容。這將極大影響圖像去雨質(zhì)量。
針對以上難點(diǎn)，本研究提出了基于深度密集連接控制網(wǎng)絡(luò)的圖像去雨算法。該網(wǎng)絡(luò)通過卷積模塊之間的密集連接融合不同層次的細(xì)節(jié)特征，能夠充分提取雨線信息。基于特征約束的思想，將控制特性引入到網(wǎng)絡(luò)中，控制不同階段特征的表達(dá)程度，從而更好地模擬雨線映射，取得理想的去雨效果。
本文詳細(xì)內(nèi)容請下載:http://m.jysgc.com/resource/share/2000003252
作者信息:
李 蔚，安鶴男，劉 佳，涂志偉，張昌林
(深圳大學(xué) 電子與信息工程學(xué)院，廣東 深圳518061)
此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。