ContourletNet：一种使用多方向层次表示的通用去雨架构
计算机视觉与模式识别
2021-11-29 v1 人工智能
机器学习
图像与视频处理
信号处理
摘要
在雨天场景中获取的图像通常能见度较差，这可能会损害计算机视觉应用的性能。雨天场景可分为两类：中等雨场景和大雨场景。中等雨场景主要由雨条纹组成，而大雨场景则同时包含雨条纹和遮蔽效应（类似于雾霾）。尽管现有方法在这两种情况下分别取得了优异的性能，但仍然缺乏一种能够有效处理大雨和中等雨场景的通用架构。在本文中，我们利用轮廓波变换（CT）构建了一个层次化多方向表示网络，以同时处理中等雨和大雨场景。CT将图像分解为多方向子带（MS）和语义子带（SS）。首先，基于CT的多方向特性，将雨条纹信息提取到MS中。其次，提出了一种层次化架构来重建背景信息，包括SS中受损的语义信息和遮蔽效应。最后，提出了带有反馈误差图的多级子带判别器。通过该模块，所有子带都能得到很好的优化。这是第一个能够有效处理这两种场景的架构。代码可在https://github.com/cctakaet/ContourletNet-BMVC2021获取。
引用
@article{arxiv.2111.12925,
title = {ContourletNet: A Generalized Rain Removal Architecture Using Multi-Direction Hierarchical Representation},
author = {Wei-Ting Chen and Cheng-Che Tsai and Hao-Yu Fang and I-Hsiang Chen and Jian-Jiun Ding and Sy-Yen Kuo},
journal= {arXiv preprint arXiv:2111.12925},
year = {2021}
}
备注
This paper is accepted by BMVC 2021