-
题名基于多尺度前馈结构的单幅图像去雨算法
被引量：2
- 1
-
-
作者
江智呈
李志伟
陈晨
周进祥
周武能
-
机构
上海工程技术大学电子电气工程学院
东华大学信息科学与技术学院
-
出处
《激光与光电子学进展》
CSCD
北大核心
2022年第12期234-245,共12页
-
基金
国家自然科学基金(61705127)
教育部产学合作协同育人项目(201701014003,201802046057)
上海工程技术大学检测技术与自动化装置学科学位点建设项目(19XXK003)。
-
文摘
图像中雨纹的存在将增大目标检测和识别的难度,而雨纹通常是图像的高频部分,其中也包含着大量图像细节,如何在去雨的同时保留有用的细节是需要解决的问题。为避免预处理带来去雨次优效果,模拟真实场景下物体成像过程,改进图像复原的通用模型,丰富网络的感受野,更精确去雨的同时增强对比度,提出一种基于多尺度、多层次和多注意力机制的卷积神经网络,通过多卷积的特征跳跃连接补偿卷积过程中细节信息的丢失以及融合不同层级特征信息,在网络分支中提取多尺度特征图,并结合注意力机制形成多个多尺度残差注意力子模块对全局信息在通道维度上进行权值重标定,去冗余的同时增强有用信息,将初级特征与高级特征相融合来学习雨图和无雨图之间的映射关系。考虑到实际情况,真实的雨图无对应的无雨图,所以本文采用合成的数据集来训练,并用合成数据集和真实场景图进行验证。实验结果表明,所提出的网络,无论雨纹的大小和密度,都能取得较好的去雨效果,同时保留了细节信息。
-
关键词
图像去雨
注意力机制
多尺度卷积神经网络
前馈结构
-
Keywords
rain streak removal
attention mechanism
multiscale convolutional neural network
feedforward structure
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名深度卷积先验引导的鲁棒图像层分离方法及其应用
被引量：1
- 2
-
-
作者
姜智颖
刘日升
-
机构
大连理工大学-立命馆大学国际信息与软件学院
辽宁省泛在网络与服务软件重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2019年第3期119-124,共6页
-
基金
国家自然科学基金(61672125
61733002
+2 种基金
61572096
61432003
61632019)资助
-
文摘
图像层分离是根据任务需要将观测图像分解成两个独立且具有实际意义的组成成分。图像恢复领域中的很多问题在本质上都可以被理解为两个不同层的分离,如自然图像去雨、本质图像分解、反射层去除等。因此,做好图像层分解工作对解决这些问题有极大的推动作用。由于这个问题的求解具有病态性,已有的方法大多都是通过设计一个复杂的模型先验来约束所需要的两层。然而,复杂的先验会导致目标函数难以被优化求解,算法的有效性也不能很好地发挥出来。更重要的是,这些方法只能针对其中某一个特定的任务,不能迁移到其他应用上,泛化能力不强。为了弥补上述不足,文中提出了一个自适应的灵活优化框架,将深度网络整合到图像层分离迭代过程中。近年来,深度学习在特征提取上的优势逐步体现,在低级图像处理领域也越来越多地被采用。因此,该算法使用深度结构替代传统模型先验来刻画不同层的特征,同时,为了减少网络对训练数据的依赖并提升算法的有效性,将深度信息与传统优化框架相结合。具体来讲,首先基于MAP(最大后验概率)建立能量函数。然后使用ADMM(交替方向乘子法)将该模型分解成3个子问题。前两个子问题用来估计分离的两层,其中鉴于卷积操作在特征刻画上的优势,使用其作为隐式先验刻画问题属性;最后一个子问题通过优化的手段得到最终的精确结果。通过深度卷积先验引导优化迭代,既保持了深度结构对特征的刻画优势,又保留了传统模型优化的稳定性。最后,将所提方法应用到多种图像恢复问题上,包括自然图像去雨和反射层去除。与同类方法的定性与定量比较表明,所提方法在可视效果和数值结果上均表现出了极大的优势,证明了该方法具有强大的泛化能力和有效性。
-
关键词
层分离
反射层去除
自然图像去雨
残差网络
最大后验概率估计
-
Keywords
Layer separation
Reflection removal
rain streak removal
Residual network
Maximum a posteriori estimate
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于矩阵补全的自适应去雨雪算法
被引量：1
- 3
-
-
作者
田文英
黄成泉
冉龙才
-
机构
贵州民族大学数据科学与信息工程学院
贵州民族大学工程技术人才实践训练中心
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第5期1570-1573,共4页
-
基金
国家自然科学基金资助项目(61762020,61802082)
贵州民族大学科研基金资助项目(2017YB073)。
-
文摘
传统去雨雪方法通常没有考虑参数的自适应问题。为了提高视频去雨雪的效果,在Kim方法的矩阵补全模型中添加了一个自适应参数并提出了基于矩阵补全的自适应去雨雪算法。首先,简要地描述Kim方法的主要工作;其次,把自适应参数添加到经典的Kim模型的第二项;最后,使用各种雨雪视频验证了该参数的有效性及优异性,并使用网格搜索法找到去雨效果最好的参数。实验结果表明,添加的自适应参数能够有效地去除视频中的雨雪。
-
关键词
视频去雨雪
雨线去除
自适应参数
稀疏表示
矩阵补全
-
Keywords
video deraining and desnowing
rain streak removal
adaptive parameter
sparse representation
matrix completion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
