EfficientDeRainy:一种高效的图像去雨雾算法

AAAI 2021

1. Motivation

1.之前的去雨方法很多都是基于去雨模式假设或者先验知识的,去雨网络需要大量的细调优化过程,非常耗时的同时无法覆盖真实降雨场景的各种情况。因此,本文将去雨问题看作是普通的图像增强问题,用逐像素预测滤波核的方法去做去雨,是一种无模式的去雨方法。

2.单一尺度的逐像素滤波核无法适应不同厚度、强度以及尺度的降雨条纹,因此本文提出Multi-dilated image filtering and fusion,即用不同膨胀率卷积来代表不同尺度的滤波核,以此来解决多尺度的问题。

3.现有图像去雨方法都是在合成数据集上训练,拿到现实场景中泛化性就很差,为了弥补这种差距。本文提出RainMix的数据增广方法,即将现实场景中的降雨条纹与合成图像进行mix。因此,本文方法在真实场景中表现也很优异

4.同时实现了高性能和高效去雨。本文方法EfDeRain的运行速度比最新方法RCDNet快88倍。

2. Method

图像去雨领域,数量大、质量高的成对数据集是非常少的,所以作者发明了RainMix增广算法,简单一句话介绍就是雨条图像各种变换后再加权的数据增广方法
EfficientDeRainy:一种高效的图像去雨雾算法_第1张图片

3. Experiments

EfficientDeRainy:一种高效的图像去雨雾算法_第2张图片
EfficientDeRainy:一种高效的图像去雨雾算法_第3张图片

4. Conclusions

EfficientDeRainy:一种高效的图像去雨雾算法_第4张图片

你可能感兴趣的:(通用人工智能基础(语音,文本,图像等),工程《遥感图像处理》解决方案)