用于单幅图像去雨的结构残差学习
图像与视频处理
2020-05-20 v1 计算机视觉与模式识别
摘要
为减轻雨纹在图像处理任务中的不利影响，近期提出了基于CNN的单幅图像去雨方法。然而，这些深度学习方法的性能很大程度上依赖于预收集训练雨-净图像对中所包含雨形覆盖范围。这使它们易陷入对训练样本过拟合的问题，无法精细泛化至具有复杂多样雨纹的实际雨图。针对此泛化问题，本研究提出一种新网络架构，通过强制网络输出残差具有内在雨结构。此种结构残差设置保证网络提取的雨层精细符合一般雨纹的先验知识，从而规整出可在训练与预测阶段均能从雨图中良好提取的合理雨形。此种通用正则化函数自然带来更好的训练精度与测试泛化能力，即便对于未见过的雨配置亦然。与当前最先进方法相比，在合成与真实数据集上实施的实验从视觉与定量两方面全面证实了此种优越性。
引用
@article{arxiv.2005.09228,
title = {Structural Residual Learning for Single Image Rain Removal},
author = {Hong Wang and Yichen Wu and Qi Xie and Qian Zhao and Yong Liang and Deyu Meng},
journal= {arXiv preprint arXiv:2005.09228},
year = {2020}
}