【技术实现步骤摘要】
一种基于多阶段网络的单图像去雨方法及系统
[0001]本专利技术涉及图像处理领域,更具体地,涉及一种基于多阶段网络的单图像去雨方法及系统。
技术介绍
[0002]下雨天不仅会对人类的视觉造成影响,也会对进行人工智能图像处理任务产生影响。一方面,雨条纹会对图像产生遮挡,另一方面,雨条纹的叠加也会造成图像背景的模糊和变形。因此,对有雨图进行去雨处理,得到无雨图,已成为图像处理任务的必要步骤。
[0003]现有一种基于自编码卷积神经网络的单幅图像去雨方法,其通过将待去雨的有雨图像分解为低频基础层以及高频细节层,利用基于自编码卷积神经网络的去雨模型对高频细节层进行去雨处理,生成去雨后的高频细节层,然后增强去雨后的高频细节层,并根据低频基础层与增强后的高频细节层确定去雨后的图像。
[0004]雨水的形态复杂多样的,有雨线、雨滴等形状,光线的影响也会导致雨水的颜色不同和模糊等问题。另外,雨水的下落方向的角度不同也会导致对雨水的识别出现偏差。因此,对图像进行去雨是高度复杂的问题,上述方法通过单阶段的卷积神经网络对单幅图像进 ...
【技术保护点】
【技术特征摘要】
1.一种基于多阶段网络的单图像去雨方法,其特征在于,包括以下步骤:获取待去雨图像;基于通道注意力机制,构建第一图像去雨网络和第二图像去雨网络;基于通道注意力机制和空间注意力机制,构建第三图像去雨网络;所述第一图像去雨网络、第二图像去雨网络和第三图像去雨网络组成多阶段网络单图像去雨网络;将待去雨图像输入所述第一图像去雨网络,所述第一图像去雨网络输出第一去雨特征图谱;将待去雨图像和所述第一去雨特征图谱输入第二图像去雨网络,所述第二图像去雨网络输出第二去雨特征图谱;将待去雨图像和所述第二去雨特征图谱输入所述第三图像去雨网络,所述第三图像去雨网络输出去雨图像。2.根据权利要求1所述的基于多阶段网络的单图像去雨方法,其特征在于,所述第一图像去雨网络包括卷积层、通道注意力模块、编码解码网络和监督注意力模块;其中:待去雨图像输入第一图像去雨网络后,所述待去雨图像经过卷积层执行一次卷积操作后传输至通道注意力模块进行特征提取,所述通道注意力模块输出特征提取结果,所述特征提取结果再经过卷积层执行一次卷积操作后依次经过编码解码网络和监督注意力模块进行处理,所述监督注意力模块输出第一去雨特征图谱。3.根据权利要求1所述的基于多阶段网络的单图像去雨方法,其特征在于,所述第二图像去雨网络包括卷积层、通道注意力模块、编码解码网络和监督注意力模块;其中:待去雨图像输入第二图像去雨网络后,所述待去雨图像经过卷积层执行一次卷积操作后传输至通道注意力模块进行特征提取,所述通道注意力模块输出特征提取结果,所述特征提取结果再经过卷积层执行一次卷积操作后与第一去雨特征图谱进行叠加运算,叠加运算结果依次经过编码解码网络和监督注意力模块进行处理,所述监督注意力模块输出第二去雨特征图谱。4.根据权利要求1所述的基于多阶段网络的单图像去雨方法,其特征在于,所述第三图像去雨网络包括卷积层、通道注意力模块、空间注意力模块和监督注意力模块;其中:将待去雨图像输入第三图像去雨网络,空间注意力模块对所述待去雨图像进行空间信息提取,得到待去雨图像的空间信息;同时,将待去雨图像经过卷积层执行执行一次卷积操作后传输至通道注意力模块进行特征提取,所述通道注意力模块输出特征提取结果,所述特征提取结果再经过卷积层执行一次卷积操作后与第二去雨特征图谱进行叠加运算,叠加运算结果依次经过原始分辨率模块和一层卷积层进行处理后,与所述待去雨图像的空间信息进行叠加运算,得到去雨图像。5.根据权利要求2或3所述的基于多阶段网络的单图像去雨方法,其特征在于,所述编码解码网络包括编码器和解码器;所述编码器包括m个依次连接的下采样模块;所述解码器包括m个依次连接的上采样模块;所述...
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。