Page 318 - 《软件学报》2021年第10期
P. 318
3290 Journal of Software 软件学报 Vol.32, No.10, October 2021
由于真实场景中无法获得相匹配的有雨图像和无雨图像,所以使用 Rain100H 大雨数据集训练的模型,在真实雨
图像上实现去雨.从第 1 幅图像的红色矩形框开始对比,DNN、RESCAN 和 PReNet 方法虽然去除了雨痕,但是
得到的图像模糊了背景细节;GMM 保留了背景细节,但生成的图像仍然残留不少雨痕.本文的方法不仅很好地
去除了雨痕,而且保留了背景的纹理细节.即使在第 2 幅图像真实环境比较复杂的情况下,本文的模型依然可以
很好地去除雨痕.总的来说,在真实雨图像中,RDARENet 在雨痕去除和纹理细节恢复上都优于文中的其他方法.
[1]
Rain image GMM DDN [11]
RESCAN [15] PReNet [16] Ours
[1]
Rain image GMM DDN [11]
RESCAN [15] PReNet [16] Ours
Fig.5 Removal of rain streaks in real rainy images
图 5 真实雨图像的雨痕移除
4 结 论
本文提出了基于双注意力的残差循环单幅图像去雨集成网络,实现了逐阶段去除雨痕的目的.构建了由多
尺度扩张卷积聚合、长短时间记忆网络和时空注意力的残差网络组成的基础块.在网络输出层,采用集成学习