用于单图像雨纹去除的迭代最优注意力与局部模型

高保真成像对于基于视觉的测量系统的成功安全监管和智能部署至关重要。它确保了 VBMS 中的高质量成像，这是可靠的视觉测量与分析的基础。然而，成像质量可能会受到恶劣天气条件（尤其是降雨）的显著损害，导致图像模糊和对比度降低。这种损害会增加 VBMS 中评估不准确和误读的风险。为了解决这些局限性，我们提出了一种用于单图像雨纹去除的期望最大化重建 Transformer（EMResformer）。EMResformer 保留了用于特征聚合的关键自注意力值，增强了局部特征以产生优异的图像重建。具体而言，我们提出了一种期望最大化模块，无缝集成到单图像雨纹去除网络中，增强了其消除冗余信息和恢复更干净背景图像的能力。此外，为了进一步增强局部信息以改善细节渲染，我们引入了局部模型残差块，它集成了两个局部模型块以及一系列卷积和激活函数。这种集成协同地促进了提取更相关的特征，以增强单图像雨纹去除。大量实验验证了我们提出的 EMResformer 在合成和真实数据集上均超越了当前最先进的单图像雨纹去除方法，在模型复杂度与单图像去雨性能之间取得了更好的平衡。此外，我们评估了我们的方法在 VBMS 场景中的有效性，证明高质量成像显著提高了 VBMS 任务的准确性和可靠性。