一种基于高效双分支模型的单幅图像去雨深度网络

从图像中去除雨效应对自动驾驶、无人机驾驶和照片编辑等多种应用十分重要。传统方法依赖一些启发式规则手工设计各种先验来去除或分离图像中的雨效应。近期提出的深度学习模型旨在学习端到端方法以完成该任务。然而，它们在许多真实场景中往往无法获得满意的结果，尤其是当观测图像遭受大雨时。大雨不仅带来雨纹，还带来由微小雨滴积聚引起的类雾效应。与现有主要聚焦于处理雨纹的深度学习去雨方法不同，我们通过引入物理降雨图像模型来设计深度神经网络。具体而言，在所提模型中，设计两个分支分别处理雨纹和类雾效应。一个额外的子模块被联合训练以最终细化结果，这使模型具有控制去雾强度的灵活性。在多个数据集上的大量实验表明，我们的方法在客观评估和视觉质量上均优于当前最优方法。