基于融合残差与注意力机制的图像去雨网络

摘要

针对已有去雨网络无法更好地保留图像边缘纹理细节的问题,提出一种基于融合残差与注意力机制的图像去雨网络.首先,对原始图像进行浅层学习,从中提取出关键的浅层特征;然后,为了避免浅层信息的丢失,将多注意力模块与残差结构融合构成注意力残差块,将已提取的浅层特征信息输入到其中进行更高层语义特征学习,在其中运用多注意力模块获得不同形状、尺寸雨纹的多尺度特征,构建不同通道间的依赖性以及使网络更加关注雨纹和高频区域的图像信息特征;最后,通过卷积层进行特征重构,得到去除雨纹的清晰图像.实验结果表明,新算法在Rain100H、Rain100L和Rain12公开测试集上分别获得28.91、36.86 dB和35.14 dB的峰值信噪比,以及95.0%、99.0%和97.1%的结构相似性.新算法客观评价指标均优于其他对比算法,主观视觉效果得以有效提升,能够去除不同密度雨纹的同时更好地保留图像的细节信息.