摘要
我们介绍了一种称为DerainNet的深度网络架构，用于从图像中去除雨痕。基于深度卷积神经网络（CNN），我们直接从数据中学习雨天图像和干净图像细节层之间的映射关系。由于我们没有真实世界雨天图像对应的地面真值，因此我们在训练过程中合成了带有雨痕的图像。与其他常见的通过增加网络深度或宽度来提高性能的策略不同，我们利用图像处理领域的知识对目标函数进行修改，从而在使用适度规模的CNN的情况下改善去雨效果。具体而言，我们在细节层（高通）而不是在图像域上训练我们的DerainNet。尽管DerainNet是在合成数据上训练的，但我们发现该网络在测试时对真实世界的图像非常有效。此外，我们还在CNN框架中加入了图像增强技术以进一步提升视觉效果。与当前最先进的单幅图像去雨方法相比，我们的方法不仅提高了雨痕去除的效果，而且在网络训练完成后计算时间显著减少。