基于NTEG-Net的多阶段图像去雨网络

摘要

针对编码-解码器结构易丢失图像细节导致去雨结果模糊，而单阶段网络因深度有限导致全局语义信息不准确的问题，提出一个基于NTEG-Net的多阶段图像去雨网络。首先，前两个阶段使用基于U-Net改进的NTEG-Net编码-解码网络在不同尺度上学习雨纹的特征；其次，在第三阶段使用重新参数化的残差特征网络代替编码-解码器，生成具有高分辨率且信息丰富的背景特征；最后，为保证每阶段信息高效传递，在阶段间加入跨阶段特征传递模块实现去雨。实验结果表明，该网络相比MPRNet网络在数据集Rain100L、Rain100H、Rain800上峰值信噪比分别提高了2.09 dB、0.24 dB、0.27 dB,结构相似性分别提高了0.009、0.003、0.006,能有效去除雨滴并恢复图像背景细节。

关键词

深度学习 / 图像去雨 / 编码-解码网络

基金资助

辽宁省属本科高校基本科研业务费专项资金资助(LJ212410144053)