用于图像去雨的形态学网络
计算机视觉与模式识别
2019-01-09 v1
摘要
数学形态学方法已成功应用于滤除（强调或去除）图像的不同结构。然而，有人认为这些方法仅当滤波器的类型与阶数以及算子核的形状与尺寸被恰当设计时，才适用于该任务。因此现有滤波算子是问题（实例）特定的，并由领域专家设计。本工作中我们提出一种形态学网络，其模拟由一系列具有可训练结构元素的腐蚀与膨胀算子组成的经典形态学滤波。我们针对图像去雨任务评估所提网络，其中对应于预测干净图像与真值干净图像的SSIM与平均绝对误差(MAE)损失通过网络反向传播以训练结构元素。我们观察到单一形态学网络可去除具有任意形状雨滴的图像，并以极少的可训练参数（网络规模）在此任务上取得与当代CNN相似的性能。所提形态学网络(MorphoN)并非专为去雨设计，可轻易应用于类似滤波/噪声清洗任务。源代码见 https://github.com/ranjanZ/2D-Morphological-Network
引用
@article{arxiv.1901.02411,
title = {Morphological Networks for Image De-raining},
author = {Ranjan Mondal and Pulak Purkait and Sanchayan Santra and Bhabatosh Chanda},
journal= {arXiv preprint arXiv:1901.02411},
year = {2019}
}
备注
Mathematical Morphology \and Optimization \and Morphological Network \and Image Filtering