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
   313   314   315   316   317   318   319   320   321   322   323