李 然，周子淏，张月芳，罗东升，邓红霞

(太原理工大学信息与计算机学院，山西 晋中 030600)

1 引言

近年来许多技术需要对不同时期所拍摄的照片进行分割、识别和分析等处理，像苹果物候期自动检测技术等，而受不同天气所影响，雨天拍摄的照片清晰度下降，严重影响图像的分析结果。图像质量降低的主要原因是被雨滴遮挡区域与清晰区域相比，包含不同的映象，与不被雨滴覆盖的区域不同，雨滴覆盖区域是由来自更广泛环境的反射光形成的。此外，在大多数情况下，相机的焦点都在背景场景上，使得雨滴的外观变得模糊。图像去雨的难点在于被雨滴覆盖区域未知，封闭未知区域的信息丢失的问题，因此本文提出自注意多尺度生成对抗网络。

为了检测和去除雨滴，许多人提出了相应的解决方案，包括传统方法[1 -4]、基于非生成对抗网络的图像去雨技术[5 -8]和基于生成对抗网络[9]的图像去雨技术。其中,传统方法包括Huang等[2]提出的一种通过对输入图像进行上下文约束、构造学习字典用于重建以及使用稀疏编码原理，实现自动识别常见雨模式的方法；Tanaka等[3]提出的一种从立体图像中检测干扰噪声的方法，通过对立体图像测量的视差和立体相机系统与玻璃表面之间的距离进行比较，检测图像中雨滴的位置。这些方法可用于检测雨滴但不能去除雨滴。

基于非生成对抗网络的图像去雨技术研究有：Tan等[10]提出了一种仅使用马尔可夫随机场框架中的单幅图像输入进行功能开发的自动化方法，基于清晰图像和有雨图像对比度不同，在马尔可夫随机场的框架下设计算法实现雨线去除。……