利用CNN探索单图像去雨的过完备表示
图像与视频处理
2020-11-26 v1 计算机视觉与模式识别
摘要
从单幅图像中去除雨痕是一个极具挑战性的问题，因为雨图像通常包含不同大小、形状、方向和密度的雨痕。最近大多数去雨方法使用遵循通用“编码器-解码器”架构的深度网络，该网络在初始层捕获低级特征，在更深层捕获高级特征。对于去雨任务，需要去除的雨痕相对较小，过多关注全局特征并不是解决问题的有效方法。为此，我们提出使用过完备卷积网络架构，通过限制滤波器的感受野来特别关注学习局部结构。我们将其与U-Net结合，以便在更关注低级特征的同时不丢失全局结构，从而计算去雨图像。所提出的网络称为过完备与欠完备去雨网络（OUCD），由两个分支组成：过完备分支，其感受野尺寸较小，以关注局部结构；欠完备分支，其感受野较大，主要关注全局结构。在合成和真实数据集上的大量实验表明，所提出的方法比最近的最先进方法取得了显著改进。
引用
@article{arxiv.2010.10661,
title = {Exploring Overcomplete Representations for Single Image Deraining using CNNs},
author = {Rajeev Yasarla and Jeya Maria Jose Valanarasu and Vishal M. Patel},
journal= {arXiv preprint arXiv:2010.10661},
year = {2020}
}