基于深度学习的非局部注意力增强网络图像去雨算法研究OA北大核心CSCDCSTPCD
Image Raindrop Algorithm Research Using Nonlocal Attention Enhanced Network Based on Deep Learning
单幅图像去雨技术的瓶颈问题是在缺少帧与帧时间序列信息的情况下,如何能够在有效去除多密度雨条纹的同时保留图像背景的细节结构信息.针对该问题,本文提出了一种新的基于编码解码器结构的单幅图像去雨算法.首先利用非局部操作获得不同像素点间的位置关系信息,从而获得图像全局信息表征.其次,采用空间注意力机制对全局信息在空间维度位置上进行权值重标定,即在通道维度上对特征进行非线性建模,从而达到聚集相似特征和有用信息的目的.最后,利用反卷积与长距离残差连接逐层恢复去雨图像的大小.分析和实验结果表明,本文提出算法雨痕去除效果明显,有效解决了去除具有不同雨密度大小雨条纹的现实困难,同时较好地保留图像的细节和边缘信息.
盖杉;王俊生
南昌航空大学信息工程学院,江西南昌330063南昌航空大学信息工程学院,江西南昌330063
信息技术与安全科学
注意力机制非局部有益信息反卷积边缘信息
《电子学报》 2020 (10)
基于退化四元双相位谱理论的特征抽取算法研究
1899-1908,10
国家自然科学基金(No.61563037)江西省杰出青年基金(No.20192ACB21032)
评论