[发明专利]基于选择性机制注意力机制的雨图去雨方法、系统及设备

权利要求书

1.一种基于选择性机制注意力机制的雨图去雨方法，其特征在于，包括以下步骤：

步骤S100，获取待去雨处理的雨图作为初始输入图像；

步骤S200，将所述初始输入图像，通过基于选择性小波注意力编码器和选择性小波注意力解码器的残差网络架构的去雨网络模型，进行去雨处理，得到去雨后的图像；

其中，

所述选择性小波注意力编码器和所述选择性小波注意力解码器跳层连接；

所述选择性小波注意力编码器，配置为将包含雨和背景信息的特征转化为小波域，根据估计的选择性小波注意力图，在小波池化下采样前将特征分解为雨和背景空间；

所述选择性小波注意力解码器，配置为在小波域中融合前一层的输出特征和跳连过来的背景特征，通过小波解池化进行上采样；

所述去雨网络模型的参数通过生成判别网络模型进行训练获取；所述生成判别网络模型的生成网络为所述去雨网络模型、判别网络为小波注意力鉴别器；所述小波注意力鉴别器配置为区分雨图像及该图像通过生成网络获取的无雨图像；

所述判别网络其在训练过程中的损失函数L_D为：

其中，x和y是雨图像和无雨图像的配对数据，G(x)是生成的去雨图像，L是判别网络D输出的特征映射的大小；

所述生成网络其在训练过程中的损失函数L_G为：

L_G＝L_pixel+λL_adv

L_pixel＝||G(x)-y||₁

其中，L_adv表示对抗性损失函数，L_pixel表示逐像素回归损失函数，λ是一个来平衡每一项的超参数。

2.根据权利要求1所述的基于选择性机制注意力机制的雨图去雨方法，其特征在于，所述小波注意力鉴别器基于选择性小波注意力编码器和残差块进行构架，每个选择性小波注意力编码器配置一个侧卷积层，各侧卷积层的输出进行通道串联。

3.根据权利要求1所述的基于选择性机制注意力机制的雨图去雨方法，其特征在于，所述选择性小波注意力编码器，其对输入特征的处理方法包括：

将输入特征分解为一组小波系数，并对各小波系数进行独立残差处理；

利用输入特征和处理后的小波系数获取小波注意力图；

利用所述小波注意力图来分离输入特征中的雨特征和背景特征；

将输入特征中的雨特征进行下采样。

4.根据权利要求3所述的基于选择性机制注意力机制的雨图去雨方法，其特征在于，所述选择性小波注意力解码器，其对输入特征的处理方法包括：

对输入特征进行上采样，得到小波系数C；

对所述小波系数C和跳连过来的背景特征进行融合，得到融合后的小波系数W_g；

采用一组并行残差块对融合后的小波系数W_g进行独立的细化，并进行小波重建。

5.根据权利要求3所述的基于选择性机制注意力机制的雨图去雨方法，其特征在于，将输入特征分解为一组小波系数，其方法为：采用1级haar小波对输入特征进行小波变换，得到一组小波系数。