[发明专利]一种双通道单幅图像精细去雨方法

摘要

本发明公开了一种双通道单幅图像精细去雨方法，为了准确获取负残差雨纹特征图，提出了一种新的双通道残差密集块模块（简称双通道混合块），包括残差路径和密集路径。残差路径用于重用来自深度卷积网络前面层的常见雨纹特征图，而密集路径则可以用来探索新的雨纹特征图。在双通道混合块的基础上，构建了基于双通道混合块的级联双通道混合块用于雨纹特征提取。为了连接不同尺度的特征，本发明方法还采用了多流支路的思想，在多流支路间和基于双通道残差密集块的流之间设置了数据链接通道用于雨纹特征信息共享。在获得多感知域的雨纹特征图，经过卷积神经网络获取粗糙的负残差雨纹特征图后，经过精细化微调最终可以获得最终的准确去雨图像。

主权项

1.一种双通道单幅图像精细去雨方法，其特征在于：基于双通道混合块的多流支路、负残差雨纹学习以及精细化处理的思想，包括：/n将原始数据集划分为训练集和测试集，其中训练集主要用于雨纹与背景分解、特征提取和负残差雨纹学习，测试集主要被用于评价本发明方法的去雨性能，此外，进行必要的参数初始化；/n本发明方法将雨纹特征提取、负残差雨纹学习和去雨图像精细处理集成到一个统一的学习框架，可得到一个可用于真实背景图像提取的负残差雨纹特征图；基于给定的采集到的带雨图像，本发明方法将其分解为一个负残差雨纹部分和真实的无雨背景图像；/n为了获得更加鲁棒的去雨效果，本发明方法将原始输入的图像进行多感知域的不同尺寸处理，通过基于双通道混合块的多流支路的设置可有效获取原始图像的雨纹特征混合表示；此外，通过深度学习方法，对得到的粗糙的负雨纹残差进行精细化处理，可确保得到精细的负雨纹残差特征，也可在一定程度上去除原始数据中的噪音从而获得更加准确的无雨图像；/n此外，基于构建多流支路之间的特征交换和学习，通过所述双通道混合块构成的级联混合模块所提取的雨纹特征进行共享优化，可得到性能更加优越的去雨效果；通过仿真实验，验证了本发明方法可有效提升单幅图像的雨纹去除与精细处理。/n