基于生成对抗网络的单张图像去雨技术研究

发布时间：2024-03-23 19:59

　　恶劣的天气,例如雪,雨,雾等,对图像或者视频会造成严重的负面影响。其中,单张彩色图像去雨一直是个极具挑战性的固有问题,且在实际生活中有着极为广泛的应用,例如:目标的跟踪与检测以及智能驾驶等等。起初,单张图像去雨方法主要是基于图像分解模型。该类算法忽略了图像的低频分量,而且在字典训练之后难以将有雨原子和无雨原子区分开来,导致其重建的去雨结果不是过于模糊就是仍含有许多雨线。随着神经网络在图像处理各个领域里的优异表现,学者们直接采用有雨图像作为输入,构建不同的网络模型,实现从有雨图片至无雨图片的非线性映射。相对于传统方法,该类算法的去雨效果有所改善,但由于输入维度过高,所训练的模型容易过拟合,忽略图像中的细节部分,导致颜色失真和纹理丢失等问题。本文以生成对抗网络的单帧图像去雨模型为基础,针对其输入维度过高的问题,从两个方面对去雨模型进行了改进:第一,图像分块。直接将图像划分成多个大小相同的图像块,将每个图像块作为网络输入,从而降低输入维度。同时,为了维持图像块之间颜色和结构的连贯性,我们借用了双边滤波器和非局部均值降噪算法,以相邻图像块的权重和来预测当前图像块。其中,权重是以当前图像块与相邻...

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

图2-1视频中雨线的检测和去除Fig.2-1video-basedraindetectionandremoval针对视频的去雨技术虽然已经得到了很好的发展和广泛的应用，但是在一些

图2-1视频中雨线的检测和去除Fig.2-1video-basedraindetectionandremoval针对视频的去雨技术虽然已经得到了很好的发展和广泛的应用，但是在一些特定的情境下并不适用，比如在以下情况的时候：1）当研究对象只是一张图片而并非一段视频的....

图2-2对于人工合成的有雨图片，现有去雨方法的结果比较

方法的缺点在于其是将整张图片作为输入，导致输入维度过高，所训练的往会忽略背景中的细节部分，而导致模糊，颜色偏差等问题。目前经典的开源的单帧图像去雨方法主要有：ID[21](imagedecompositioP[35](layerpriors)，CNN[26](convolu....

图2-3对于自然的有雨图片现有去雨方法的结果比较

图2-3对于自然的有雨图片现有去雨方法的结果比较Fig.2-3Visualcomparisonofsingle-imageremovalusingthestate-of-the-artsononerealimage.图2-2和图2-3展示了....

图2-4Rain12的人工合成有雨样例

(a)干净背景(b)有雨图像(c)雨线层(a)groundtruth(b)rainyimage(c)rainylayer图2-4Rain12的人工合成有雨样例Fig.2-4SynthesisrainysamplesfromRain12所提....

本文编号：3936390