| 基于双阶段特征解耦网络的单幅图像去雨方法 |
| |
| 作者姓名： | 汤红忠 熊珮全 王蔚 王晒雅 陈磊 |
| |
| 作者单位： | 1. 湘潭大学自动化与电子信息学院;2. 湘潭大学智能计算与信息处理教育部重点实验室;3. 湖南科技大学电气与信息工程学院 |
| |
| 基金项目： | 湖南省自然科学基金(2020JJ4588,2020JJ4090,20JJ4151)；;广东省基础与应用基础研究联合基金重点项目(2020B15151 20050)； |
| |
| 摘 要： | 针对现有的单幅图像去雨方法无法有效地平衡背景图像细节恢复与有雨分量去除问题,提出一种基于双阶段特征解耦网络的单幅图像去雨方法,采用渐进式的学习方式从粗到细分阶段进行单幅图像去雨.首先构建压缩激励残差模块,实现背景图像与有雨分量的初步分离;然后设计全局特征融合模块,其中特别引入特征解耦模块分离有雨分量和背景图像的特征,实现细粒度的图像去雨;最后利用重构损失、结构相似损失、边缘感知损失和纹理一致性损失构成的复合损失函数训练网络,实现高质量的无雨图像重构.实验结果表明,在Test100合成雨图数据集上,所提方法峰值信噪比为25.57 dB,结构相似性为0.89;在100幅真实雨图上,所提方法的自然图像质量评估器为3.53,无参考图像空间质量评估器为20.16;在去雨后的RefineNet目标分割任务中,平均交并比为29.41%,平均像素精度为70.06%;视觉效果上,该方法能保留更多的背景图像特征,有效地辅助下游的目标分割任务的开展.
|
| 关 键 词： | 特征解耦网络 压缩激励残差模块 全局特征融合模块 复合损失函数 单幅图像去雨 |
|
|
