【技术实现步骤摘要】
基于密集连接深度残差网络的图像去雨方法及系统
本申请涉及图像处理
，特别是涉及基于密集连接深度残差网络的图像去雨方法及系统。
技术介绍
本部分的陈述仅仅是提到了与本申请相关的
技术介绍
，并不必然构成现有技术。雨天相机中拍摄的图像包含大量的雨痕信息会导致图像的背景信息高度模糊，进而影响人们观察的视觉效果或者后续算法的处理效果。深度残差网络通过捷径连接的方式解决了当网络层数变多时网络的准确度达到饱和然后急剧退化的问题，如今正广泛应用于计算机视觉的各个领域。使用深度残差网络去除图像中的雨痕是研究的热点问题，专利技术人发现，现有的方法需要大量的正负样本(即带雨痕和不带雨痕的图像)来训练网络，使用较少的样本即可训练出去雨效果良好的方法是本领域的技术人员亟待解决的问题。
技术实现思路
为了解决现有技术的不足，本申请提供了基于密集连接深度残差网络的图像去雨方法及系统；首先用导向滤波器提取图像的细节信息生成细节图像，然后通过构建的多尺度深度残差网络训练细节图像，提取其中的雨痕信息形成负残差映射图，将带...
【技术保护点】
1.基于密集连接深度残差网络的图像去雨方法，其特征是，包括：/n将获取的待处理图像，输入到预先训练好的基于密集连接的深度残差网络中，输出雨痕图像；/n将雨痕图像与待处理图像进行作差处理，得到去除雨痕后的图像。/n
【技术特征摘要】
1.基于密集连接深度残差网络的图像去雨方法，其特征是，包括：
将获取的待处理图像，输入到预先训练好的基于密集连接的深度残差网络中，输出雨痕图像；
将雨痕图像与待处理图像进行作差处理，得到去除雨痕后的图像。
2.如权利要求1所述的方法，其特征是，所述将获取的待处理图像，输入到预先训练好的基于密集连接的深度残差网络中；步骤之前，还包括：
对获取的待处理图像进行高频信息特征提取。
3.如权利要求2所述的方法，其特征是，所述对获取的待处理图像进行高频信息特征提取，是采用高通滤波算法来实现的。
4.如权利要求1所述的方法，其特征是，所述基于密集连接的深度残差网络，网络结构具体包括：
依次连接的输入层、第一卷积层、第一批量标准化层、第一密集残差模块、第二密集残差模块、第三密集残差模块、第四密集残差模块、第五密集残差模块、第六密集残差模块、第二卷积层、第二批标量准化层、减法器和输出层；所述减法器的输入端还与输入层的输出端连接。
5.如权利要求4所述的方法，其特征是，所述第一密集残差模块、第二密集残差模块、第三密集残差模块、第四密集残差模块、第五密集残差模块和第六密集残差模块，内部结构均是一致的。
6.如权利要求5所述的方法，其特征是，所述第一密集残差模块，包括：
所述第一密集残差模块、第二密集残差模块、第三密集残差模块、第四密集残差模块、第五密集残差模块和第六密集残差模块中，每两个密集残差模块之间均进行连接。
7.如权利要求1所述的方法，其特征是，所述预先训练好的基于密集连接的...
【专利技术属性】
技术研发人员：黄伟杰，王孝远，王琪琪，张涵，李玲玉，
申请(专利权)人：济南大学，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。