基于多尺度前馈结构的单幅图像去雨算法
图像中雨纹的存在将增大目标检测和识别的难度,而雨纹通常是图像的高频部分,其中也包含着大量图像细节,如何在去雨的同时保留有用的细节是需要解决的问题.为避免预处理带来去雨次优效果,模拟真实场景下物体成像过程,改进图像复原的通用模型,丰富网络的感受野,更精确去雨的同时增强对比度,提出一种基于多尺度、多层次和多注意力机制的卷积神经网络,通过多卷积的特征跳跃连接补偿卷积过程中细节信息的丢失以及融合不同层级特征信息,在网络分支中提取多尺度特征图,并结合注意力机制形成多个多尺度残差注意力子模块对全局信息在通道维度上进行权值重标定,去冗余的同时增强有用信息,将初级特征与高级特征相融合来学习雨图和无雨图之间的映射关系.考虑到实际情况,真实的雨图无对应的无雨图,所以本文采用合成的数据集来训练,并用合成数据集和真实场景图进行验证.实验结果表明,所提出的网络,无论雨纹的大小和密度,都能取得较好的去雨效果,同时保留了细节信息.
图像去雨、注意力机制、多尺度卷积神经网络、前馈结构
59
TP391.4(计算技术、计算机技术)
国家自然科学基金;教育部卓越工程师教育培养计划项目产学合作协同育人项目;教育部卓越工程师教育培养计划项目产学合作协同育人项目;上海工程技术大学检测技术与自动化装置学科学位点建设项目
2022-08-01（万方平台首次上网日期，不代表论文的发表时间）
共12页
234-245
