蔡林纹,王 冠

(天津大学 数学学院,天津 300350)

下雨是一种常见的天气状况,雨不仅会影响人类的视觉感知,而且会影响室外的计算机视觉系统.在雨天,雨线(rain streak)和附着在相机镜头上的雨滴(raindrop)都会显著降低拍摄图像的质量.因此,雨线或雨滴去除问题引起了广泛的研究.近些年来,研究者们在去除雨线上已经取得了很好的成果.然而,这些方法不能直接用于去除雨滴,因为雨滴的形状和物理成像过程与雨线完全不同.图像上的雨线一般是呈条纹状均匀分布在整张图像上,且雨线的方向是一致的.与雨线相比,雨滴呈现出更加不规则的几何形状,在图像上的分布没有规律,使得雨滴去除问题更具有挑战性.

一些研究者们基于雨滴的物理成像过程或几何形态来模拟雨滴的分布.Kurihata 等[1]试图通过主成分分析(PCA)来检测雨滴,但当场景中的物体与雨滴相似时,PCA 无法有效地提取雨滴的特征,而且容易获得错误的检测结果.Yamashita 等[2]先是通过测量玻璃和立体相机之间的距离来检测雨滴,用其它图像区域替换该雨滴位置来达到去除雨滴的目的,但这种方法是在假设其它图像的相同位置没有雨滴覆盖的前提下进行的,实际中这一假设有较大的局限性.之后,Yamashita等[3]又通过移动相机拍摄出的图像序列来替代立体相机拍摄出的图像.

近些年来,随着深度学习的流行和广泛应用,有一些研究者们开始尝试利用神经网络来解决雨滴去除问题.Eigen 等[4]建立了一……