用于单图像去雨的由粗到细多流混合去雨网络
图像与视频处理
2019-08-29 v1 计算机视觉与模式识别
摘要
由于现实中固有的病态性质，单图像去雨任务仍然是一项极具挑战性的任务。近来，研究人员试图通过训练基于 CNN 的端到端模型来解决这一问题，但它们仍然无法从雨图中精确提取负向雨纹，这通常会导致过度去雨或去雨不足的结果。为了解决这一问题，本文提出了一种新的由粗到细的单图像去雨框架，称为多流混合去雨网络（Multi-stream Hybrid Deraining Network，简称 MH-DerainNet）。为了在训练过程中更准确地获取负向雨纹，我们提出了一个名为双路径残差密集块的新模块，即残差路径和密集路径。残差路径用于复用前层的共同特征，而密集路径可以探索新特征。此外，为了拼接不同尺度的特征，我们还在级联的双路径残差密集块流之间应用了带快捷连接的多流思想。为了获得更清晰的去雨图像，我们结合了 SSIM 损失和感知损失，以保持逐像素的相似性以及全局结构，从而使去雨结果更加准确。在合成和真实雨图上的大量实验表明，我们的 MH-DerainNet 相较于近期几种 SOTA 方法能够带来显著的提升。
引用
@article{arxiv.1908.10521,
title = {A Coarse-to-Fine Multi-stream Hybrid Deraining Network for Single Image Deraining},
author = {Yanyan Wei and Zhao Zhang and Haijun Zhang and Richang Hong and Meng Wang},
journal= {arXiv preprint arXiv:1908.10521},
year = {2019}
}
备注
Accepted by ICDM 2019 as a regular paper