一种轻量级的单幅图像去雨方法技术

本发明专利技术公开了一种轻量级的单幅图像去雨方法，其包括步骤：1)以PyTorch1.10深度学习框架为基础，搭建PReDenseNet去雨模型，所述PReDenseNet去雨模型包括依次连接的5个阶段，5个阶段参数共享，每个阶段由4个部分组成：输入卷积层、循环模块、特征提取模块、输出卷积层；2)对PReDenseNet去雨模型进行训练和验证；3)采用经验证后的PReDenseNet去雨模型对单幅图像进行去雨处理。本发明专利技术中轻量级的单幅图像去雨方法，其保证了去雨模型的轻量化，并且与现有的JORDER、RESCAN、PReNet及PReNet_D相比，具有更好的去雨效果。具有更好的去雨效果。具有更好的去雨效果。

【技术实现步骤摘要】
一种轻量级的单幅图像去雨方法


[0001]本专利技术涉及图形处理
，特别涉及一种基于深度学习的轻量级单幅图像去雨方法。

技术介绍

[0002]降雨作为一种常见且复杂的自然天气现象，不仅会严重影响人类的视觉感知系统，还会对我们在自然条件下拍摄的图像造成视觉上的退化，显著降低图像的能见度以及对比度。通常，近处的雨滴或雨纹会遮挡或扭曲图像背景内容，而远处的雨纹则会产生类似于雾的大气遮蔽效果，进而模糊图像内容，特别是在大雨条件下，会导致图像中的物体受到严重的遮挡。降雨还会对后续诸多高水平的视觉任务(如目标检测、场景分析、目标跟踪、人员再识别等)产生不利的影响。这些高水平视觉任务大多都是假设天气晴朗，不受降雨条纹和降雨累积的干扰，使用干净的户外自然图像作为输入，而在降雨这种恶劣的环境中获得的退化图像会严重影响视觉算法的性能。因此，在各种视觉任务的实际应用中，从有雨图像中恢复无雨图像是非常重要的，而去雨作为后续高级视觉任务的预处理步骤已经得到了广泛的研究。但由于有雨图像的复杂组成，图像去雨仍然是一个具有挑战性的问题。
[0003]目前已经有各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻量级的单幅图像去雨方法，其特征在于：包括以下步骤：步骤一：以PyTorch1.10深度学习框架为基础，搭建PReDenseNet去雨模型，所述PReDenseNet去雨模型包括依次连接的5个阶段，5个阶段参数共享，每个阶段由4个部分组成：输入卷积层、循环模块、特征提取模块和输出卷积层；所述特征提取模块由3部分组成：密集连接块、过渡块和残差连接，所述密集连接块包括空洞率依次为1、2、5、1和2的5个空洞卷积层，所述过渡块包括依次连接的ReLU、卷积块和SE模块，过渡块连接在密集连接块的输出端；步骤二：对PReDenseNet去雨模型进行训练和验证，其又包括以下步骤：1)对RainTrainH数据集进行处理，所述RainTrainH数据集包含1800对rain图片和norain图片，其中有546对图片的背景与验证集中...

【专利技术属性】
技术研发人员：赵敏，孙棣华，胡琪，刘俊毅，
申请(专利权)人：重庆大学，
类型：发明
国别省市：