一种基于结构化残差学习的单图去雨方法

摘要

本发明公开了一种基于结构化残差学习的单图去雨方法，通过多分支并行的编译码网络模块很好地提取多尺度残差雨层。首先，对图像数据预处理得到雨图和对应的干净无雨图；然后，根据雨图的生成机制，建立单图去雨模型；接着，根据雨条的先验特性，建立多尺度编译码网络(MSEDNet)；之后，将预处理后的雨图传入MSEDNet，根据训练损失函数，通过反向优化算法迭代更新MSEDNet，使得网络的输出结果逐渐逼近预处理后的干净无雨图，当达到设定的迭代次数时，保存此时的网络参数，即为训练模型；最后进入网络测试阶段，准备待测试的雨图，加载训练模型，将该雨图输入MSEDNet进行前向计算，网络的输出结果即测试雨图对应的去雨图像。本发明具有较强的去雨性能和较好的泛化能力。