针对现有图像去雨方法中存在雨纹去除不彻底、纹理信息丢失等问题,提出一种多阶段渐进式处理的图像去雨算法,可以同时将上下阶段的特征融合,使去雨算法的性能有很大的提高。该去雨网络模型由3个阶段构成,前2个阶段采用改进后的U-Net编码器解码器结构学习多尺度上下文特征信息,特征提取部分采用有效通道注意力机制(efficient channel attention network,ECANet),使网络模型参数变小,更加轻量级;第3阶段加入并行注意力机制(parallel attention subnetwork,PASNet),在学习上下文信息和空间细节特征的同时还能生成高分辨率特征,更好地保留图像的输出细节。此外,还引入监督注意力模块(supervised attention module,SAM)以加强特征学习。实验结果表明,在数据集Rain100H上PSNR达到29.37 dB,SSIM为0.88;在Test1200上PSNR达到32.50 dB,SSIM为0.93,验证了所提方法在图像去雨任务上的有效性。
