流形粒子滤波与GAN结合的单幅图像雨雾去除方法

本文介绍了一种创新的单幅图像去雨雾方法，针对雨雾天气对户外拍摄图像质量的影响，特别是图像去雾过程中存在的边缘伪影和雨痕不清晰的问题，研究人员提出了一种融合流形粒子滤波与优化注意生成对抗网络的技术。 首先，针对图像去雾中的边缘伪影，该方法采用了流形粒子滤波技术。流形粒子滤波是一种强大的非线性估计工具，它能够在复杂的高维空间中追踪和估计潜在的状态。通过优化大气透射率这一关键参数，流形粒子滤波能够提供更精确的透射率估计，从而有效地去除图像的景深边缘伪影，提高去雾效果的精度。 其次，对于去雨雾任务中的雨痕问题，研究人员提出了一个优化的注意生成对抗网络（Attention GAN）解决方案。注意机制被引入到生成对抗网络中，增强了网络对图像中雨痕区域的关注，提高了背景层与雨线的分离准确度。此外，将流形粒子滤波模块融入GAN中，进一步提升了去雨效果，使得图像恢复出清晰无雨雾的视觉效果。 实验部分，作者选取了自然场景下的雨雾天图像进行测试，并进行了定性和定量的分析对比。实验结果显示，相较于现有的去雨算法，所提出的这种方法在去除雨线的同时，能够更好地保留图像的纹理细节，使图像更具视觉层次感。更重要的是，通过加入去雾模块，图像的清晰度得到了显著提升，客观评估指标如信噪比、视觉质量等也有所提高。 这项工作为单幅图像去雨雾问题提供了一种有效且细致的解决方案，利用流形粒子滤波和注意生成对抗网络的结合，不仅提高了去雾和去雨的效果，而且注重了图像的细节保留，对于实际应用中的图像处理具有重要的价值。