多尺度特征融合的雨天轨道车辆图像修复方法

摘要

针对雨天城市轨道车辆图像中因雨条、雨雾等因素导致的视觉干扰问题，提出一种基于多尺度融合的深度学习模型。雨条在图像中呈现出多种模糊程度和分辨率特征，并在不同尺度的图像中具有显著的相似性和相关性。为此，设计多尺度特征金字塔结构，通过跨尺度特征交互模块动态建模，加强全局与局部特征的表达能力。模型结合多尺度卷积核重建策略，在去除雨条的同时有效保留图像细节，并通过递归策略联合建模相似雨条的空间特征，提升去雨效果。实验结果表明，提出的模型在多个数据集上表现优异，特别是在复杂雨天场景中，取得了较高的峰值信噪比(Test2800∶32.022,R100H∶28.950)和结构相似度(Test2800∶0.930,R100H∶0.891)。与传统方法相比，所提模型在复杂场景中的表现更加稳健，展现了强大的图像修复能力、适应性及良好的泛化能力。该方法为雨天轨道交通图像处理提供了新的解决方案，并为相关领域的进一步研究奠定了基础。

关键词

城市轨道车辆监控 / 图像去雨修复 / 跨尺度特征交互 / 多尺度卷积核重建 / 深度学习 / 特征金字塔 / 多尺度融合

基金资助

国家自然科学基金面上基金项目(62276218); 中国中铁股份有限公司科技研究开发计划重大项目(2023-重大-23); 四川省自然基金面上项目(2024NSFSC0490)