基于自注意力机制的单幅图像去雨滴方法

作者：郭嘉; 蒋旻; 刘双元; 江佳俊

来源：计算机技术与发展, 2021, 31(05): 54-61.

DOI：10.3969/j.issn.1673-629X.2021.05.010

• 雨滴去除
• 深度学习
• 图像去噪
• 轻量级算法
• 自注意力
• 级联稠密残差网络

在数字图像中去除雨滴的干扰,对恢复图像质量有较大应用意义。随着深度学习图像去噪技术的发展,针对目前大多数去雨滴的方法恢复质量低、计算量大等问题,提出了一种基于自注意力机制的轻型图像去雨滴算法。该算法建立了一个轻量级的级联稠密残差网络(cascaded dense residual network),用于恢复被雨滴覆盖的图像信息。该网络由多个模块组成,模块间用稠密的残差和跳过连接引导图像信息的输出,以从粗略到细节的方式逐级消除图像中的雨滴,恢复雨滴下的背景信息。网络中每个模块由卷积层、非局部神经网络(non-local neural network)和递归卷积网络组成,在保证预测无雨图像的效果的同时减少参数量。实验结果表明,与AttentiveGAN等去雨滴方法相比,该算法去雨滴效果良好。该方法将自注意力机制加入级联稠密残差网络中,参数量仅为0.22 M,适用于小型嵌入式的除雨滴设备。

• 单位
  武汉科技大学; 智能信息处理与实时工业系统湖北省重点实验室