基于本征雨天图像先验与多尺度辅助解码的深度图像去雨

已有不同雨模型与新颖网络结构被提出以从单幅雨图中去除雨纹。本文中，我们关注雨图的本征先验与多尺度特征，并设计若干本征损失函数训练 CNN 去雨网络。我们首先研究雨图的稀疏先验，其已被验证可在图像分解中保持完整边缘。然而其数学形式通常导致难以求解，我们提出准稀疏先验以降低复杂度，使网络可在雨图稀疏性质监督下训练。准稀疏在不同梯度域监督网络训练，而将雨图分解为雨层与背景层仍是病态问题。我们基于雨层本征低值性质提出另一 $L_1$ 损失，与常用 $L_1$ 相似损失共同恢复图像内容。通过多尺度辅助解码结构进一步探索多尺度特征，以揭示哪类特征对去雨任务贡献最大，且相应多尺度辅助损失进一步提升去雨性能。网络中采用更高效的组卷积与特征共享，使网络运行速度提升一个数量级。所提去雨方法优于最先进去雨方法。