科研之友
微信
新浪微博
Facebook
分享链接
摘要
在雨天透过玻璃窗拍摄时，附着在玻璃表面的雨滴通常会出现在图像中，这不仅降低了图像的可见度，还会使许多计算视觉算法无法正常工作。图像雨滴去除研究是指从这类雨天图像中去除雨滴的具体科研研究。该研究领域具有很大的挑战，主要原因是自然界中的雨滴形态多种多样、各不相同，不同透明度的雨滴也会影响背景图像的成像质量，从而增加了识别并去除雨滴的困难度，对现有去雨滴算法的性能提升造成了负面影响。为了方便研究者全面了解该领域，本文将从以下两个方面向研究者详尽介绍单幅图像去雨滴研究：单幅图像去雨滴算法和单幅图像联合去雨算法，同时也一并对该领域的所有算法进行了总结与评估。在基于深度学习的方法中，算法的性能往往受限于数据集的质量，但现有的雨滴数据集中，均存在雨滴图像质量不高、图像数量不足等常见情况。为此建立了雨滴实地拍摄基准图像数据集(HEMC)，在拍摄过程中，尽量避免了相机抖动、窗户反射和其他外界条件的干扰，从而提高了数据集中训练集的图像质量和测试集的精准度，进而间接提升算法性能。同时利用主观视觉效果以及客观指标对数据集进行了多方面的评估，实验结果展现了HEMC数据集中图像的多样性以及客观指标的稳定性。此外，通过对雨滴数据集间的交叉验证，证实了HEMC数据集在已有去雨滴算法中的通用性与稳定性。
-
单位鹏城实验室; 华南理工大学
