用于单张图像去雨滴的轻量级网络

• 作者: 蔡林纹 王冠
• 来源期刊: 计算机系统应用
• 关键词: 雨滴去除 深度学习 神经网络 递归计算
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 软件技术·算法|Software Technique · Algorithm
• 页码范围: 201-206
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.008032

摘要

图像去雨是图像低等级任务中的热点问题,去雨滴又是图像去雨中很重要的一种情况,附着在玻璃或相机镜头上的雨滴会显著降低场景的可见性.因此,去除雨滴将有助于许多计算机视觉应用,特别是户外监控系统和智能驾驶系统.本文提出了一种用于单张图像去雨滴的轻量级网络算法(PRSEDNet),该网络算法采用递归计算,运用卷积长短期记忆网络(Convolutional LSTM network)和特征提取模块来提取特征,通过与原图像结合来去除雨滴,最终获得高质量的无雨滴清晰图.实验结果表明,我们的PRSEDNet与现有的基于深度学习的去雨滴算法相比,在能达到高效的去雨滴性能的同时,有更少的参数量且计算效率高.