基于多流扩张残差稠密网络的图像去雨算法 
下载： 773次
Image Deraining Algorithm via Multiflow Expansion Residual Dense Network
1 中北大学信息与通信工程学院, 山西 太原 030051
2 中国船舶工业综合技术经济研究院, 北京 100081
图 & 表
图 1. 图像去雨算法的整体框架
Fig. 1. Overall framework of image rain removal algorithm
下载图片 查看原文
图 2. 多流扩张残差稠密网络
Fig. 2. Multiflow expansion residual dense network
下载图片 查看原文
图 3. 图像分解示例。(a)含雨图像;(b)含雨图像基础层;(c)无雨图像基础层;(d) 含雨图像细节层
Fig. 3. Examples of image decomposition. (a) Rainy image; (b) base layer of rainy image; (c) base layer of rainless image; (d) detail layer of rainy image
下载图片 查看原文
图 4. 基础层颜色曲线图。(a)无雨图像;(b)含雨图像
Fig. 4. Color curves of base layer. (a) Rainless image; (b) rainy image
下载图片 查看原文
图 5. 残差图示例。(a)无雨图像;(b)含雨图像;(c)残差图像
Fig. 5. Example of residual image. (a) Rainless image; (b) rainy image; (c) residual image
下载图片 查看原文
图 6. 不同算法在合成雨水图像上的视觉比较。(a1)(a2) 含雨图像;(b1)(b2) GMM算法;(c1)(c2) DSC算法;(d1)(d2) DCN算法;(e1)(e2) DID-MDN算法;(f1)(f2) MERDN算法
Fig. 6. Visual comparison of different algorithms on composite rainy images. (a1)(a2) Rainy image; (b1)(b2) GMM algorithm; (c1)(c2) DSC algorithm; (d1)(d2) DCN algorithm; (e1)(e2) DID-MDN algorithm; (f1)(f2) MERDN algorithm
下载图片 查看原文
图 7. 不同算法在真实雨水图像上的视觉比较。 (a1)(a2)含雨图像;(b1)(b2) GMM算法;(c1)(c2) DSC算法;(d1)(d2) DCN算法;(e1)(e2) DID-MDN算法;(f1)(f2) MERDN算法
Fig. 7. Visual comparison of different algorithms on real rainy images. (a1)(a2) Rainy image; (b1)(b2) GMM algorithm; (c1)(c2) DSC algorithm; (d1)(d2) DCN algorithm; (e1)(e2) DID-MDN algorithm; (f1)(f2) MERDN algorithm
下载图片 查看原文
表 1参数层的详细设置
Table1. Detailed setting of parameter layer
| Layer | Filter size | Dilated factor | Number of filters |
|---|
| Convolution×1 | 3×3 | 1 | 32 | | Convolution×1 | 3×3 | 2 | 32 | | Convolution×1 | 3×3 | 3 | 32 | | Dense block×9 | 1×1 | 1 | 64 | | Dense block×9 | 3×3 | 2 | 32 | | Convolution×1 | 3×3 | 1 | 3 |
|
查看原文
表 2不同算法的PSNR
Table2. PSNR of different algorithms unit: dB
| Algorithm | Dataset 1 | Dataset 2 | Dataset 3 |
|---|
| GMM | 23.75 | 28.36 | 30.70 | | DSC | 22.03 | 24.16 | 30.02 | | DCN | 21.97 | 28.17 | 29.42 | | ID-CGAN | 23.81 | 23.39 | 20.78 | | DID-MDN | 26.17 | 28.27 | 28.90 | | MERDN | 26.46 | 28.81 | 31.90 |
|
查看原文
表 3不同算法的SSIM
Table3. SSIM of different algorithms
| Algorithm | Dataset 1 | Dataset 2 | Dataset 3 |
|---|
| GMM | 0.7844 | 0.8712 | 0.8928 | | DSC | 0.7985 | 0.8679 | 0.8679 | | DCN | 0.8333 | 0.9134 | 0.9033 | | ID-CGAN | 0.8072 | 0.8275 | 0.8519 | | DID-MDN | 0.8409 | 0.8625 | 0.8762 | | MERDN | 0.8841 | 0.9173 | 0.9381 |
|
查看原文
表 4不同算法的效率比较
Table4. Efficiency comparison of different algorithms
| Algorithm | GMM | DCN | DID-MDN | MERDN |
|---|
| Time /s | 897 | 29 | 11 | 5 |
|
查看原文
王薇薇, 翟亚宇, 陈平, 曹凤才. 基于多流扩张残差稠密网络的图像去雨算法[J]. 激光与光电子学进展, 2021, 58(4): 0410024. Weiwei Wang, Yayu Zhai, Ping Chen, Fengcai Cao. Image Deraining Algorithm via Multiflow Expansion Residual Dense Network[J]. Laser & Optoelectronics Progress, 2021, 58(4): 0410024.
PDF全文
