面向数字孪生的深层特征融合低照度图像去雨线
韩大专, 张金艺, 姜玉稀
2025, 31(3):
543-560.
doi:10.12066/j.issn.1007-2861.2666
摘要
(
37 )
PDF (42707KB)
(
4
)
参考文献 |
相关文章 |
多维度评价
提出了一种面向数字孪生的深层特征融合低照度图像去雨线方法.首先,创建动态线性卷积(dynamic line convolution,DLConv),学习雨线的先验知识,提高对雨线的特征提取能力,解决伪影问题.其次,结合先验知识和坐标注意力(coordinate attention,CA)机制,改进U形模型,生成雨线的深层特征,解决细节丢失问题.最后,利用图像的亮度信息进一步细化加强深层特征,得到每一级的无雨图像.在此基础上,各级之间融合无雨图像的特征,并通过跨级特征融合(cross-stage feature fusion,CSFF)传递多尺度特征,实现低照度图像去雨线.在最新的夜间雨天图像数据集上进行实验,结果表明,本方法在峰值信噪比(peak signal-to-noise ratio,PSNR)、结构相似性(structural similarity,SSIM)、学习感知图像块相似度(learned perceptual image patch similarity,LPIPS)和自然图像质量评估器(natural image quality evaluator,NIQE)指标上分别达到了38.522 9 dB、0.974 5、0.061 9和4.207 2,优于现有的主流方法,证明了本方法能有效改善伪影和细节丢失问题,大大提升了低照度图像的可用性.