一种无监督的双支路带雨无雨图像处理方法技术

本发明专利技术公开了一种无监督的双支路带雨无雨图像处理方法，将原始输入的图像通过基于长短时记忆模块的深度网络进行循环处理，通过上述双支路构成的双支路和循环一致性结构，可有效获取原始图像的雨纹特征表示；同时基于双支路的生成器和判别器处理，通过无监督式的深度学习方法，对得到的带有注意力的雨纹特征，将这些雨纹特征图和原始图像进行合并操作，从而获得去雨图像和带雨图像；再基于循环一致性的再次加工，将第一步得到的去雨图像和无雨图像当成输入，再次送到另一对的生成器和判别器中进行处理，经过循环一致性处理后可在一定程度上使得网络更加稳定并提高无雨图像和带雨图像的精确性。像的精确性。像的精确性。

【技术实现步骤摘要】
一种无监督的双支路带雨无雨图像处理方法


[0001]本专利技术涉及图像处理方法领域，具体是一种无监督的双支路带雨无雨图像处理方法。

技术介绍

[0002]在雨天从室外视觉系统(例如自动驾驶，监视和人员/车辆跟踪)获取的图像和视频通常会因雨这种天气现象而产生退化。这种退化情况将直接降低后续高级任务的效果，例如目标检测，图像识别和显著性检测。因此单图像去雨这一任务将具有广泛的应用。然而由于实际处理中雨纹的复杂性和求解的不定性，单图像去雨仍然是一个重要但具有挑战性的问题。
[0003]带雨图像主要包含雨条纹和雨滴，在真实图像之前形成雨掩模。对于暴雨，由于光线的散射，它们可能会造成雾霾大气，从而使图像模糊和朦胧。因此，将雨纹与真实图像分离是解决这一问题的一个直观思路。雨纹去除问题可以建模为
[0004]X＝R+B，
[0005]其中X为带雨图像，可分解为雨条纹分量R和干净背景图像B。
[0006]近年来，已经提出了很多基于深度学习的训练网络。值得注意的是，大多数现有方法都是在合成数据集上以监督方式进行训练的监督方法，因为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无监督的双支路带雨无雨图像处理方法，包括以下步骤：步骤1、获取原始的带雨/无雨图像，基于无监督的注意力机制，从原始的带雨/无雨图像中分别提取出雨纹注意力特征图；步骤2、基于无监督深度对抗学习，将步骤1获得的带雨/无雨图像的雨纹特征图分别对应与原始的带雨/无雨图像进行合并，由此对应获得去雨/制雨图像；步骤3、对步骤2得到的去雨/制雨图像进行循环一致性处理，对应得到精确的带雨/无雨图像。2.根据权利要求1所述的一种无监督的双支路带雨无雨图像处理方法，其特征在于，步骤1中，将原始的带雨/无雨图像通过长短时记忆网络基于无监督的注意力机制进行循环处理，由此得到原始的带雨/无雨图像的雨纹特征图。3.根据权利要求1所述的一种无监督的双支路带雨无雨图像处理方法，其特征在于，步骤2中，基于Cycl...

【专利技术属性】
技术研发人员：张召，韦炎炎，洪日昌，汪萌，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：