科研之友
微信
新浪微博
Facebook
分享链接
摘要
雨水天气会对图像造成干扰并增加图像处理的难度。为消除雨水对图像造成的影响，提出一种基于条件扩散隐式模型的图像去雨方法。该方法采用基于SR3的全卷积网络架构，使用U-Net结构的变体，并用BigGAN的残差块替换了传统的残差块，去掉自注意力机制、位置编码和群组归一化，实现了条件扩散模型支持任意大小图像的输入，且不受图像分辨率的影响。同时，引入确定性加速采样，用子序列时间步来加速生成过程，提高图像恢复速率。通过对图像进行重叠分块处理，将子块分次调入内存处理，减少资源消耗，提高算法的适用性，使用平滑噪声估计引导去噪过程，使生成图像获得更高的保真度。在合成数据集和真实数据集上进行测试，定性和定量结果表明，该方法在峰值信噪比和结构相似性方面均有提升，图像细节信息保留更加完全且去雨后的视觉效果更佳。
- 单位
