【技术实现步骤摘要】
一种基于图像修复技术的去雨方法
本专利技术涉及深度学习和计算机视觉领域，尤其涉及一种基于图像修复技术的去雨方法。
技术介绍
雨天是一种最为常见的恶劣天气，其中各个方向、密度和大小的雨线会不同程度地遮挡和模糊拍摄图像的内容，直接导致主观视觉效果变差。此外，质量差的图像还会明显降低基于图像的物体分类、检测和分割等计算机视觉任务的性能。去雨方法目前可大致分为两类：一是基于字典学习、稀疏编码等的传统方法；二是基于多层非线性卷积的深度学习方法。相比于深度学习方法，传统方法得出的去雨图像较为平滑和模糊，从而导致图像质量不高，因此深度学习方法逐步流行起来并且前景也更加广阔。在恶劣天气下，摄像头拍摄的图像质量较差，会严重影响无人驾驶、安防监控等实际场景的应用。因此，在恶劣天气下，恢复出高质量的去雨图像尤为重要。现有的大部分去雨算法主要基于一种线性模型[1,2]对图像进行建模：Y＝X+R其中，Y表示有雨图像，X表示无雨图像，R表示包含雨线的残差图像。目前，基于深度学习的图像去雨算法均是通过设计不同的网络结构，并使用监督...
【技术保护点】
1.一种基于图像修复技术的去雨方法，其特征在于，所述方法包括：/n构建由三个特征提取模块和一个残差图像预测模块组成的粗去雨网络；/n构建由阈值判断模块和图像修复模块组成的图像精修复网络；/n基于有雨图像数据库分布对粗去雨网络、图像精修复网络进行训练，将训练后的粗去雨网络和图像精修复网络组合成基于图像修复技术的去雨模型；/n基于去雨模型对输入图像进行处理。/n
【技术特征摘要】
1.一种基于图像修复技术的去雨方法，其特征在于，所述方法包括：
构建由三个特征提取模块和一个残差图像预测模块组成的粗去雨网络；
构建由阈值判断模块和图像修复模块组成的图像精修复网络；
基于有雨图像数据库分布对粗去雨网络、图像精修复网络进行训练，将训练后的粗去雨网络和图像精修复网络组合成基于图像修复技术的去雨模型；
基于去雨模型对输入图像进行处理。
2.根据权利要求1所述的一种基于图像修复技术的去雨方法，其特征在于，所述粗去雨网络具体为：
将有雨图像输入到三个特征提取模块中，每一个特征提取模块均是编-解码结构，卷积核大小、下采样尺度均不相同；
增加跨连接融合同尺度的特征图，将三个特征提取模块输出的特征图融合作为有雨图像的总特征图；
将总特征图输入到残差图像预测模块中，经两层卷积后输出残差图像和粗去雨图像，所述粗去雨图像由有雨图像减去残差图像得出。
3.根据权利要求1所述的一种基于图像修复技术的去雨方法，其特征在于，所述图像精修复网络具体为：
将残差图像灰度化处理，生成灰度残差图像；将灰度残差图像输入阈值判断模块中，经两层卷积后输...
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。