基于改进扩散模型的图像去雨方法

摘要

针对图像去雨过度、泛化性差的问题，提出运用改进扩散模型进行单幅图像去雨的方法。通过前向过程添加高斯噪声使数据变为高斯分布，设计残差模块双输入信息通道、添加ECA(efficient channel attention)通道注意力机制模块以构建噪声估计网络，实现全局平均池化而不降低维数，从而捕获局部跨通道交互信息；利用模型网络进行反向采样，预测并剔除雨痕噪声，实现图像去雨。最后通过模拟雨滴数据集和Rain100数据集对改进的扩散模型与其他4种算法进行对比实验测试，实验结果表明改进的扩散模型能够有效去除雨痕，其中雨滴和雨线的峰值信噪比分别为30.328 5和34.896 5,结构相似性分别为0.927 1和0.962 0;自制真实雨图数据集，使用YOLOv7算法对去雨后的图像进行车辆检测，结果表明采用改进的扩散模型去雨能够有效提高车辆检测置信度，进一步验证了所提方法具有良好的去雨效果和泛化能力。

关键词

扩散模型 / 图像去雨 / 注意力机制模块 / 车辆检测