多尺度密集时序卷积网络的单幅图像去雨方法

来源：计算机技术与发展杂志2020年第05期北京时间：

作者：赵嘉兴;王夏黎;王丽红;曹晨洁

摘要：雨滴会降低户外拍摄图像质量,影响图像视觉效果及后续图像分析工作。 针对目前去雨算法存在颜色失真、去雨过度化等问题,为了提高计算机视觉算法在中、大雨天气下的准确性,提出多尺度 DenseTimeNet( 密集时间序列卷积神经网络)的单幅图像去雨方法。 该网络由多个尺度 DenseTimeNetBlock ( 密集时序卷积网络密集块) 组成, 通过卷积下采样技术得到不同尺度下雨线特征信息与降低图像维度后利用时域卷积寻找的时间维度特征信息。 在不同维度下学习雨景图和无雨图之间的映射关系, 网络主体由密集卷积块和残差网络组成, 可加速算法收敛速度, 更深度学习图像纹理特征,使特征信息在网络结构进行深度传播,可以更好地复原残损图像。 在不同方向,不同大小的雨滴图像上对所提方法进行验证,实验结果表明,该方法相较于现有算法,图像去雨效果良好。

关键词：图像去雨;多尺度网络;卷积神经网络;密集卷积;残差网络;深度传播