马悦

（陕西中医药大学信息化建设管理处，陕西咸阳 712046）

雨作为最常见的恶劣天气状况，对图像的影响效果最为复杂。通过分析可知，如果所得图像和视频是在雨天环境下，则会出现许多大小和方向各不相同的雨线并且其呈现出随机分布的特点。而雨线不仅会导致图像和视频中的光线发生折射和反射，从而造成一些区域的亮度较高，同时也会导致图像和视频中的些许纹理和关键细节信息丢失造成质量退化[1-2]。此外，无论是在过去的经典视觉算法还是在当下流行的一些视觉算法中,往往都需要输入质量较高的图像才能确保系统的正常运行工作，例如对物体的检测与跟踪,如果开始输入的图像是在雨天条件下获取的，其包含许多类似于雨线的干扰因素，那么最终可能会导致物体检测与跟踪算法无法达到预定效果和目标。如果是在无人机场景下，就很可能会最终导致事故的发生。因此综上所述，研究和设计出能有效去除图像中雨线的算法意义较大[3-5]。

目前，图像去雨的方法可归纳为以下两大类：第一类是基于先验知识，如文献[6]中提出的一种基于图像斑块和从背景图像中分离出雨条纹的判别稀疏编码框架；第二类是基于深度学习，如文献[7]中提出了一种用于单幅图像去雨的条件生成对抗网络，并利用感知损失来细化最后的结果；文献[8]中提出了利用循环膨胀卷积神经网络去雨，并在网络中嵌入挤压和激励机制；……