-
题名基于LSTM的递归网络图像去雨算法
被引量：2
- 1
-
-
作者
谷腾飞
赖惠成
高古学
倪萍
-
机构
新疆大学信息科学与工程学院
新疆大学信号检测与处理自治区重点实验室
-
出处
《激光杂志》
CAS
北大核心
2022年第7期65-69,共5页
-
基金
国家自然科学基金(No.U1803261,No.U1903213)。
-
文摘
随着深度学习的发展的热潮,单幅图像去雨得到了很大的发展。然而由于雨图像在方向、大小和雨密度的雨纹的不同,使得去雨的工作变得更困难。针对以上问题,提出了一种基于LSTM的递归图像去雨算法,在特征提取方面采用卷积块和残差块相结合,并运用长短期记忆模块(LSTM)进行多层递归去雨,最后通过注意力融合模块进一步提取雨纹特征,对不同方向、大小等雨纹有较强的学习能力,较好地保留了图像的细节,通过在真实数据集和合成数据集上进行实验,证明了该方法的有效性,通过与其他算法的比较,在客观指标和主观效果上优于它们。主观效果去雨更彻底,图像细节更加清晰。在合成数据集Rain100H上PSNR达到30.48,SSIM为0.91,在Rain100L上PSNR达到38.05,SSIM为0.98。
-
关键词
注意力融合(AF)模块
多层递归尺度卷积
长短期记忆
残差块
-
Keywords
attention fusion(AF)module
multi-layer recursive scale convolution
LSTM
residual block
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
