论文部分内容阅读
雨天等恶劣天气会严重影响到图像成像质量，从而影响到视觉处理算法的性能。为了改善雨天图像的成像质量，该文提出一种基于多通道多尺度卷积神经网络的去雨算法，建立了多通道多尺度卷积神经网络结构来提取雨线特征。首先利用小波阈值引导的双边滤波将有雨图像进行分解，得到高频雨线图像和轮廓保持度高的低频背景图像。然后为了使图像高频部分的雨线信息更为明显，减少雨线特征学习时高频图像中的背景误判，将得到的高频雨线图像再一次通过滤波器得到减弱背景信息同时增强雨线信息的到更高频雨线图像。其次针对低频背景图像上也残留了大量雨痕，该文提出将低频背景图像和更高频雨线图像一起送入卷积神经网络进行特征学习，其中对图像提取的是多尺度特征信息，最后得到雨线去除更彻底的复原图像。同时在构造网络模型时利用空洞卷积代替标准卷积来提取图像的特征信息，得到更丰富的图像特征，提高了算法的去雨性能。从实验结果可以看出去雨之后的图像清晰，细节保持度较高。