一种基于改进CycleGAN网络模型的图像去雨方法及系统技术方案

本发明专利技术公开了一种基于改进CycleGAN网络模型的图像去雨方法及系统，方法包括：获取待去雨图像；将所述待去雨图像输入至预先构建的改进CycleGAN网络模型中，所述改进CycleGAN网络模型输出去雨后的图像，其中，所述改进CycleGAN网络模型中包含生成器、判别器以及损失函数，所述生成器中包含密集连接卷积网络、掩膜生成器以及注意力特征生成器。为防止特征提取过程中高频特征丢失，确保细节修复效果更好，在生成器中引入密集连接卷积网络；其次为使得修复区域集中在雨纹周围，使得雨纹去除的更干净，引入CBAM注意力机制；最后针对去雨纹任务的特殊性，对雨纹到干净背景的映射进一步约束，使得生成的图像更加逼真。

【技术实现步骤摘要】

本专利技术属于图像处理，尤其涉及一种基于改进cyclegan网络模型的图像去雨方法及系统。

技术介绍

1、机器视觉任务逐渐普及到我们的日常生活中，但是在雨天环境下所采集的图像会因为雨滴导致背景信息出现模糊和变形，从而影响后续的机器视觉任务，例如在目标检测任务中，雨滴的存在将会影响识别准确率。尽管目前已存在多种监督学习方法被用于图像去雨任务，但现实环境中极少的成对数据集使得这类方法具有明显的局限性。

技术实现思路

1、本专利技术提供一种基于改进cyclegan网络模型的图像去雨方法及系统，用于解决大多数的监督学习方法无法在现实场景中收集所需的具有相同背景的成对数据集的技术问题。

2、第一方面，本专利技术提供一种基于改进cyclegan网络模型的图像去雨方法，包括：获取待去雨图像；将所述待去雨图像输入至预先构建的改进cyclegan网络模型中，所述改进cyclegan网络模型输出去雨后的图像，其中，所述改进cyclegan网络模型中包含生成器、判别器以及损失函数，所述生成器中包含密集连接卷积网络、掩膜本文档来自技高网...

【技术保护点】

1.一种基于改进CycleGAN网络模型的图像去雨方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进CycleGAN网络模型的图像去雨方法，其特征在于，所述密集连接卷积网络中包含依次连接的至少一个Denselayer块，其中，一Denselayer块中包含两个BatchNorm层、两个ReLU层以及两个卷积层。

3.根据权利要求1所述的一种基于改进CycleGAN网络模型的图像去雨方法，其特征在于，将所述第一结果输入至所述掩膜生成器中，所述掩膜生成器输出内容掩膜特征图F1，具体为：

4.根据权利要求1所述的一种基于改进CycleGAN网络模...

【技术特征摘要】

1.一种基于改进cyclegan网络模型的图像去雨方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进cyclegan网络模型的图像去雨方法，其特征在于，所述密集连接卷积网络中包含依次连接的至少一个denselayer块，其中，一denselayer块中包含两个batchnorm层、两个relu层以及两个卷积层。

3.根据权利要求1所述的一种基于改进cyclegan网络模型的图像去雨方法，其特征在于，将所述第一结果输入至所述掩膜生成器中，所述掩膜生成器输出内容掩膜特征图f1，具体为：

4.根据权利要求1所述的一种基于改进cyclegan网络模型的图像去雨方法，其特征在于，将所述第一结果输入至所述注意力特征生成器中，所述注意力...

【专利技术属性】
技术研发人员：杨刚，盛婕，戴丽珍，翁宇豫，杨辉，陆荣秀，徐芳萍，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：