圖像去雨算法文章：

https://pdfs.semanticscholar.org/bf10/3b3ea90f0d032d1d73dbb83ae41731ee006f.pdf

相應(yīng)的代碼和論文?http://www.icst.pku.edu.cn/struct/Projects/joint_rain_removal.html

首先雨圖像的通用模型為：

其中O為捕捉到的圖像，B為背景圖像，是雨條紋的圖像。傳統(tǒng)方法主要有兩個問題需要解決。1）在一幅圖像中有多個密度。2）一些沒有雨的去雨會造成過度平滑。

因此為了解決這個問題，本文提出了一個新的模型：

其中R是一些0-1值，0表示無雨區(qū)域，1表示有雨區(qū)域。這里有兩個優(yōu)點，1）給了網(wǎng)絡(luò)額外信息去學習下雨的區(qū)域2）對于有雨和無雨區(qū)域的處理方式是不同的，因此這樣可以保存更多圖像的細節(jié)。

這里由于在大雨和遠距離的情況下，圖像會出現(xiàn)不同地方的雨的形狀和方向不同或者模糊現(xiàn)象。因此對模型進一步改進得到下面的模型。

?

其中每個是同一方向和形狀的雨點。s是疊加的數(shù)量，A是整體的大氣亮度。

采用卷積神經(jīng)網(wǎng)絡(luò)來解決這個問題。

針對上面的公式，文中建立極大似然法（MAP）進行處理：

式子中后三項是三個先驗（B、S、R）。采用卷積網(wǎng)絡(luò)處理，首先通過dilated network來得到雨的特征F，R、S、B分別通過串聯(lián)。主要流程如下：

損失函數(shù)是：

實驗結(jié)果：

總結(jié)

以上是生活随笔為你收集整理的图像去雨算法（基于卷积网络）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。