基于改进的残差网络的图像去雨方法

• 作者: 刘怡俊 林裕鹏
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 卷积神经网络 残差网络 映射 去雨
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 图像处理
• 页码范围: 2004-2008,2068
• 页数: 6页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.08.036

摘要

基于深度卷积神经网络(CNN),提出了一种新的深度网络结构,用于去除图像中的雨痕.受残差网络(ResNet)的启发,通过改变映射形式来简化学习过程,论文提出了一个改进的深度残差网络来直接缩小从输入到输出的映射范围,这使得学习过程更容易.为了进一步改善衰落结果,利用先验图像领域的知识,通过在训练过程中关注高频细节,去除背景干扰,并将模型聚焦在图像中的雨水结构上.虽然是在合成数据上训练网络,但可以发现学习网络能很好地适应现实世界的测试图像.实验表明,论文所提出的方法在定性和定量测量方面都明显优于其他图像去雨的最新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘怡俊		66	190	7.0	10.0
2	林裕鹏		1	0	0.0	0.0