去雨去雾

Earth-Mover

归一化的从一个分布变为另一个分布的最小代价, 可以用来测量两个分布(multi-dimensional distributions)之间的距离

评估标准：

1.PSNR（Peak Signal to Noise Ratio）峰值信噪比

MAXI2​ 为图片可能的最大像素值，即255，MSE 原图与雨图的均方误差

2.SSIM  (Structural SIMilarity) 结构相似性

计算

将图片转化为 YCbCr 格式，计算PSNR，亮度 (luminance)、对比度 (contrast) 和结构 (structure)

 

雨水模型：

雨线图、雨点图、雨雾图

大气散射霾模型(atmospheric scattering haze model)

S是雨线，t和A是透射图(transmission map)和大气光(atmospheric light)

 

两个主要问题：

1.定位雨水

扩大感知野、得到丰富的上下文信息

• dilated network
• non-local block
• attention

2.保留背景信息

从雨水周围的像素中获得局部信息，同时要在后面的层中尽可能地保留原有特征

• RNN
• 残差连接
• pooling indices
• discriminator

3.监督模型在一个类型的训练集上训练，只能解决一种类型的雨水去除

4.区域填充不到位，出现雨痕

5.雨水较为“重”的位置或深浅交叠的位置，雨水去不干净

 

半监督：

Semi-supervised Transfer Learning for Image Rain Removal[CVPR2019]

在训练时加入无雨图片，使用高斯混合模型模拟雨水分布，解决过拟合问题。

 

无监督：