单张图像雨滴 Removal 的无监督网络

由雨滴引起的图像质量下降是降低视觉系统性能的最重要但也最具挑战性的问题之一。大多数现有雨滴移除算法基于使用成对图像的监督学习方法，这在现实应用中难以获得。本研究提出一种基于无监督学习的深度神经网络用于雨滴移除，仅需两组无关联的带雨和无雨图像。我们提出的模型基于循环网络架构进行图层分离，旨在将雨雾图像分离为雨滴层、透明度掩码和干净背景层。其中，干净的背景层是目标雨滴移除结果，而透明度掩码指示雨滴的空间位置。此外，本文提出的模型应用反馈机制，以通过用高级信息细化低级表示来增强图层分离，即使用前一次迭代的输出作为下一次迭代的输入，同时与带雨输入图像一起使用。因此，可以通过这种反馈方式逐步移除雨滴。广泛的雨滴基准数据集上的实验表明，该方法在定量指标和视觉质量方面均有效。