公开(公告)号：CN111681176B

公开(公告)日：2023-04-07

申请号：CN202010408566.3

申请日：2020-05-14

Applicant: 华南农业大学

Inventor： 王美华 ,  何海君 ,  郝悦行

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/04

Abstract: 本发明提供一种自适应卷积的残差修正单幅图像去雨方法，该方法加入雨线修正系数(Refine factor)，改进现有雨图模型，更精确描述雨图中各个像素受到雨线的影响。构建自适应选择卷积网络(SKNet)，自适应的选择不同卷积核对应维度的信息，进一步学习，融合不同卷积核的信息，提高网络的表达力。最后构建自适应卷积的残差修正网络(SKRF)网络，直接学习雨线图和残差修正系数(RF)，减少映射区间，减少背景误判。该方法能够取得比现有方法更高的精确度。图片结果在客观指标和生成图片的雨线去除效果上均取得改善。本发明能够自适应地选择不同尺寸卷积核对应通道的特征信息；更加精确地表达到每个像素点受到雨影响。

公开(公告)号：CN110310238B

公开(公告)日：2023-01-10

申请号：CN201910526839.1

申请日：2019-06-18

Applicant: 华南农业大学

Inventor： 王美华 ,  陈伦宝 ,  梁云 ,  何海君

IPC: G06T5/00

Abstract: 本发明涉及一种基于重用原始信息的压缩奖惩神经网络的单幅图像去雨方法，首先利用快速引导滤波将有雨图像分解为低频图层和高频图层；接着将高频图层输入到一个结合了压缩奖惩神经网络结构块、批归一化处理以及本方法提出的重用原始信息连接方式的神经网络中进行特征学习与提取，去除其中的雨线；最后将去除雨线之后的高频图层与原始的低频图层相加得到最终的去雨结果。本方法针对单幅有雨图像进行去雨，与现有的传统去雨方法、基于深度学习去雨方法相比，都能得到更高质量的无雨图像；并且本方法提出的网络是基于压缩奖惩神经网络的，而本方法提出的网络所使用的压缩奖惩结构块则可以很好地刻画特征通道之间的关系，从而提高网络的表达力，提升去雨效果。

公开(公告)号：CN110310238A

公开(公告)日：2019-10-08

申请号：CN201910526839.1

申请日：2019-06-18

Applicant: 华南农业大学

Inventor： 王美华 ,  陈伦宝 ,  梁云 ,  何海君

IPC: G06T5/00

Abstract: 本发明涉及一种基于重用原始信息的压缩奖惩神经网络的单幅图像去雨方法，首先利用快速引导滤波将有雨图像分解为低频图层和高频图层；接着将高频图层输入到一个结合了压缩奖惩神经网络结构块、批归一化处理以及本方法提出的重用原始信息连接方式的神经网络中进行特征学习与提取，去除其中的雨线；最后将去除雨线之后的高频图层与原始的低频图层相加得到最终的去雨结果。本方法针对单幅有雨图像进行去雨，与现有的传统去雨方法、基于深度学习去雨方法相比，都能得到更高质量的无雨图像；并且本方法提出的网络是基于压缩奖惩神经网络的，而本方法提出的网络所使用的压缩奖惩结构块则可以很好地刻画特征通道之间的关系，从而提高网络的表达力，提升去雨效果。

公开(公告)号：CN111681176A

公开(公告)日：2020-09-18

申请号：CN202010408566.3

申请日：2020-05-14

Applicant: 华南农业大学

Inventor： 王美华 ,  何海君 ,  郝悦行

IPC: G06T5/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种自适应卷积的残差修正单幅图像去雨方法，该方法加入雨线修正系数(Refine factor)，改进现有雨图模型，更精确描述雨图中各个像素受到雨线的影响。构建自适应选择卷积网络(SKNet)，自适应的选择不同卷积核对应维度的信息，进一步学习，融合不同卷积核的信息，提高网络的表达力。最后构建自适应卷积的残差修正网络(SKRF)网络，直接学习雨线图和残差修正系数(RF)，减少映射区间，减少背景误判。该方法能够取得比现有方法更高的精确度。图片结果在客观指标和生成图片的雨线去除效果上均取得改善。本发明能够自适应地选择不同尺寸卷积核对应通道的特征信息；更加精确地表达到每个像素点受到雨影响。