-
题名基于密集混合注意力和全局补偿的图像去雨网络
- 1
-
-
作者
盖勇刚
-
机构
沈阳理工大学自动化与电气工程学院
-
出处
《微处理机》
2024年第3期31-34,共4页
-
基金
辽宁省教育厅基本科研重点攻关项目(JYTZD2023006)。
-
文摘
针对现有图像去雨算法提取雨线特征效果不佳导致雨纹残留的问题,提出一种基于密集混合注意力和全局补偿的图像去雨网络。通过多层卷积运算,提取输入雨天图像的浅层特征。融合密集连接与残差网络的优势,引入多注意力机制,设计密集残差注意力模块,以此实现特征循环利用并捕获图像的多尺度特征。加入全局补偿模块以确保特征图像提取的全面性。通过卷积层重建特征,得到清晰且无雨的图像。实验证明,所提出的算法优于现有的经典和新颖算法,能有效清除雨痕,并提升图像的整体视觉感受。
-
关键词
深度学习
图像去雨
密集混合注意力
全局补偿
-
Keywords
Deep learning
Image deraining
Dense hybrid attention
Global compensation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-