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 GUO Jia;JIANG Min;LIU Shuang-yuan;JIANG Jia-jun

作者机构：武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)湖北武汉430065 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2021年第31卷第5期

页      面：54-61页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(41571396 61702385) 

主　　题：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 

摘      要：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。