RCDNet：一种用于单图像去雨的可解释降雨卷积字典网络
图像与视频处理
2022-12-27 v2 计算机视觉与模式识别
摘要
作为一种常见天气，雨纹会不利地降低图像质量。因此，从图像中去除雨水已成为该领域的重要问题。为处理这一不适定单图像去雨任务，本文专门构建了一种称为降雨卷积字典网络（RCDNet）的新型深度架构，其嵌入了雨纹的内在先验并具有清晰的可解释性。具体而言，我们首先建立表征雨纹的RCD模型，并利用近端梯度下降技术设计仅含简单算子的迭代算法来求解该模型。通过展开该算法，我们进而构建RCDNet，其中每个网络模块都具有明确的物理意义并对应于算法中涉及的每个操作。这种良好的可解释性极大便利了对网络内部过程及推理中为何表现良好的轻松可视化与分析。此外，考虑到真实场景中的域间隙问题，我们进一步设计了新型动态RCDNet，其中降雨核可针对输入雨图动态推断，从而以少量雨图收缩雨层估计的搜索空间，以确保在训练与测试数据间雨型不一致场景下的良好泛化性能。通过端到端训练这一可解释网络，所有涉及的降雨核与近端算子均可自动提取，忠实刻画雨层与干净背景层的特征，从而自然带来更优的去雨性能。综合实验证实了本方法的优越性，尤其体现在其对多样测试场景的良好泛化性以及所有模块的良好可解释性。代码见\emph{\url{https://github.com/hongwang01/DRCDNet}}。
引用
@article{arxiv.2107.06808,
title = {RCDNet: An Interpretable Rain Convolutional Dictionary Network for Single Image Deraining},
author = {Hong Wang and Qi Xie and Qian Zhao and Yuexiang Li and Yong Liang and Yefeng Zheng and Deyu Meng},
journal= {arXiv preprint arXiv:2107.06808},
year = {2022}
}