单幅图像去雨：从基于模型到数据驱动及超越

单幅图像去雨的目标是恢复被雨纹和雨积退化图像的无雨背景场景。早期单幅图像去雨方法采用代价函数，其中发展了多种先验来表示雨层和背景层的属性。自2017年以来，单幅图像去雨方法步入深度学习时代，并利用各类网络，即卷积神经网络、循环神经网络、生成对抗网络等，展现出令人印象深刻的性能。鉴于当前快速发展，本文对过去十年的去雨方法进行了全面综述。我们总结了雨 appearance 模型，并讨论了两类去雨方法：基于模型的方法和数据驱动的方法。对于前者，我们依据其基本模型和先验组织文献。对于后者，我们讨论了与架构、约束、损失函数和训练数据集相关的已发展思路。我们给出了单幅图像去雨方法的里程碑，回顾了不同类别中广泛选取的已有工作，并提供了从基于模型到数据驱动方法历史发展路径的见解。我们还从定量和定性上总结了性能比较。除讨论去雨方法的技术性外，我们还讨论了未来方向。