基于深度学习的非局部注意力增强网络图像去雨算法研究

• 作者: 王俊生 盖杉
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 注意力机制 非局部 有益信息 反卷积 边缘信息
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 学术论文
• 页码范围: 1899-1908
• 页数: 10页
• 分类号: TP751|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.10.004

摘要

单幅图像去雨技术的瓶颈问题是在缺少帧与帧时间序列信息的情况下,如何能够在有效去除多密度雨条纹的同时保留图像背景的细节结构信息.针对该问题,本文提出了一种新的基于编码解码器结构的单幅图像去雨算法.首先利用非局部操作获得不同像素点间的位置关系信息,从而获得图像全局信息表征.其次,采用空间注意力机制对全局信息在空间维度位置上进行权值重标定,即在通道维度上对特征进行非线性建模,从而达到聚集相似特征和有用信息的目的.最后,利用反卷积与长距离残差连接逐层恢复去雨图像的大小.分析和实验结果表明,本文提出算法雨痕去除效果明显,有效解决了去除具有不同雨密度大小雨条纹的现实困难,同时较好地保留图像的细节和边缘信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	盖杉		6	3	1.0	1.0
2	王俊生		1	0	0.0	0.0