注意力残差网络的单图像去雨方法研究

恶劣的雨天天气会严重影响图像质量,进而导致目标检测,目标追踪等算法性能急剧下降,因此图像去雨得到了快速发展.本文提出一种基于注意力残差网络的端到端图像去雨算法,通过卷积神经网络强大的表示能力,学习出从有雨到无雨图像的映射.将注意力模块引入残差模块中,首先利用通道注意力机制自适应学习通道维度上不同特征,然后利用空间注意力机制建立雨条纹的内在关系,之后将注意力模块与残差模块相结合得到注意力残差单元,最后将其堆叠成高性能去雨网络.公开的合成和真实世界图像数据集上的实验表明,本文所提出的方法在视觉上可以大大提高去雨的性能.

基于亮度评估技术的特征增强衍生图融合算法

针对由动态范围,光照条件,图像捕获设备等因素获得的低亮度图像,提出了一种基于亮度评估技术的特征增强衍生图融合算法来实现亮度较暗图像的对比度调整和特征增强.首先,利用亮度评估技术对低亮度图像的亮度进行评估优化处理,得到曝光率映射;然后,结合曝光率映射和改进的卡方分布函数模型来获取两幅特征增强的衍生图进行融合.最后,利用改进的衍生图融合算法得到最终融合图像.实验结果表明,所提算法的亮度误差,视觉信息保真度,图像互信息等评估参数优于近期方法,在提升图像对比度同时保留了图像良好曝光率区域,并较好地恢复了低亮度区域的边缘以及纹理等细节信息.