刘斌，方思严

基于不可分提升小波的双U-Former图像去雨网络

刘斌，方思严*

（湖北大学 计算机与信息工程学院，武汉 430062）（ ∗ 通信作者电子邮箱 fangsiyanfsy@163.com）

针对基于张量积小波的去雨方法无法捕获所有方向的高频雨纹的问题，提出基于不可分提升小波的双U-Former网络（DUFN）。首先，利用各向同性的不可分提升小波捕捉各个方向的高频雨纹，相较于哈尔小波等张量积小波只能捕捉3个方向的高频雨纹，DUFN能获得更全面的雨纹信息；其次，在各尺度上串联两个由Transformer Block（TB）构成的U-Net，将浅层解码器的语义特征传递到深层阶段，并更彻底地去除雨纹；同时，使用尺度引导编码器通过浅层各尺度信息引导编码阶段，并利用基于CBAM（Convolutional Block Attention Module）的门控融合模块（GFM）使融合过程更专注于有雨区域。实验结果表明，相较于先进方法SPDNet（Structure-Preserving Deraining Network），在Rain200H、Rain200L、Rain1200和Rain12这4个合成数据集上，DUFN的结构相似度（SSIM）平均提高了0.009 7，在Rain200H、Rain200L和Rain12这3个合成数据集上，DUFN的峰值信噪比（PSNR）平均提高了0.657 dB；在真实世界数据集SPA-Data上，相较于先进方法ECNetLL（Embedding Consistency Network+Layered Long short-term memory），DUFN的PSNR和SSIM分别提高了0.976 dB和0.003 1。验证了DUFN可以通过增强捕捉高频信息的能力提升去雨性能。

图像去雨；不可分提升小波；多尺度；Transformer；尺度引导

0 引言

雨天等恶劣天气会造成图像和视频质量退化，尤其是常见的雨纹会影响计算机视觉处理算法的性能，造成目标检测、语义分割等算法的可靠度和精确性下降。因此，研究图像去雨网络具有十分重要的意义。

现有的去雨方法主要分为基于视频的方法［1-2］和基于图像的方法。基于视频的方法［1-2］根据相邻帧图像之间的差异提取并去除雨纹，但是图像去雨任务缺乏时空信息，只包含某一时刻的雨纹分布情况，去雨难度很大。……