双LSTM的光场图像去雨算法研究

摘要：

单张图像去雨由于有限的输入信息,会严重影响去雨效果.光场图像不同于普通2D图像,能够记录三维场景的丰富结构信息.针对此类问题并且利用光场图像特点,提出一种基于双LSTM神经网络的光场图像去雨算法.提出的神经网络包括雨条纹检测网络(Rain Streaks Detecting Network,RSDNet)和背景修复网络(Background Restoring Network,BRNet).所提算法主要包含三个步骤.使用匹配成本量最优化方法计算光场图像子视点的深度图;利用RSDNet提取雨条纹,并利用LSTM结构将雨条纹高频信息传递给BRNet;借助BRNet网络修复背景图像得到无雨子视点图像.为了训练和测试所提算法,构建了一个由真实背景场景光场图像和雨图像合成的有雨图像光场数据集.充分的实验结果表明,提出的算法能够有效地修复光场图像.

关键词：光场图像;长短期记忆网络(LSTM);图像去雨;图像恢复

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省自然科学基金;国家自然科学基金

在线出版日期：2021-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：227-237