丁宇阳，李明悦，谢柠宇，刘 渊，晏 涛

江南大学 人工智能与计算机学院，江苏 无锡214122

雨天能见度降低，高密度的雨水还会使光线发生漫反射，在远处呈现雾状，给自动驾驶、交通监控等基于目标识别的实际应用产生了极大的影响，降低了目标检测的准确性。

图像去雨一直是计算机视觉领域的热门研究课题[1]，伴随着全天候自动驾驶等人工智能技术的发展显得愈发重要。在相机镜头中，近处的雨滴通常会发生光的折射而使场景变形，远处的雨条纹看起来像薄雾，会导致场景模糊和泛白[2-4]。单张图像去雨算法只能通过背景的颜色信息来修复被遮挡区域，在存在大面积雨条纹遮挡时，无法有效地修复图像细节。同时，由于单张图像很难获取准确的深度信息，在修复带有雾气的远景时，不能准确分离出前景与背景，从而导致颜色的错误修复。

光场相机作为一种新兴的成像传感器，能够记录三维场景丰富的结构和纹理信息，使光场图像在去雨工作中有以下优势：（1）在3D EPI（Epipolar Plane Image）中，近景雨条纹的斜率与远景雨条纹的斜率有很大差异，相比于传统2D图像更能更加准确地提取出雨条纹。（2）在面临大面积雨条纹遮挡时，可以利用相邻子视点未被遮挡的部分来有效地修复图像。（3）相比于单张图，可以更正确地提取深度信息，有助于去除远景的雨雾。

本文提出了一种基于双LSTM神经网络的光场去雨算法，包含三个步骤，如图1所示。第一步，使用匹配成本量方法计算场景深度图；……