[發明專利]一種基于循環密集神經網絡的單幅圖像去雨方法和系統

有效

• 申請號: 201911076892.2
• 申請日: 2019-11-06
• 公開（公告）號: CN110838095B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 夏海英;藍洋;黎海生;宋樹祥;吳玲玉
• 申請（專利權）人: 廣西師范大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 石燕妮

1.一種基于循環密集神經網絡的單幅圖像去雨方法，其特征在于，包括：

構建密集網絡模型，提取雨紋信息；

構建子網絡模型，對雨圖進行做差處理，得到清晰雨圖；

反復循環迭代所述子網絡模型，得到循環密集神經網絡；

利用損失函數進行訓練，得到最佳去雨網絡模型；

構建子網絡模型，對雨圖進行做差處理，得到清晰雨圖，包括：

將所述密集網絡模型與長短記憶網絡模型串聯，得到子網絡模型，獲取雨圖；

將雨圖通過輸入層進入所述子網絡模型，經過卷積操作輸入到長短記憶層，所述長短記憶層輸出雨紋信息到密集網絡層，所述雨圖與所述密集網絡層的輸出信息在殘差輸出層做殘差處理，得到清晰雨圖。

2.如權利要求1所述的一種基于循環密集神經網絡的單幅圖像去雨方法，其特征在于，所述構建密集網絡模型，提取雨紋信息，包括：

利用密集網絡，構建一個密集網絡模型，提取并融合雨紋信息，將每一層的雨紋信息輸入輸出聯系起來，并進行非線性變換。

3.如權利要求1所述的一種基于循環密集神經網絡的單幅圖像去雨方法，其特征在于，所述反復循環迭代所述子網絡模型，得到循環密集神經網絡模型，包括：

將所述子網絡模型進行多次反復循環迭代，得到循環密集神經網絡模型，其中，每次迭代前，都將雨圖與上一次迭代后的所述長短記憶層獲得的去雨紋信息進行連接，再進行下一次迭代。

4.如權利要求3所述的一種基于循環密集神經網絡的單幅圖像去雨方法，其特征在于，在去雨數據集進行訓練，得到最佳去雨網絡模型，包括：

將雨圖輸入到所述循環密集神經網絡模型中，獲取清晰背景圖的參數，利用損失函數計算去所述循環密集神經網絡模型的損失，并根據計算出的模型損失，更新網絡模型，使網絡誤差最終收斂至設定范圍內，得到最佳去雨網絡模型。