摘要
近期基于卷积神经网络的研究在捕捉雨丝特征方面已取得显著进展，但对细节的恢复仍面临挑战。本文提出一种多层级连接与宽区域非局部块网络（MCW-Net），以有效恢复雨天图像中原始背景纹理。与现有基于编码器-解码器结构的去雨模型通过增加分支来提升性能不同，MCW-Net在不引入额外分支的前提下，通过以下两种新方法最大化信息利用效率，从而实现性能提升。第一种方法为多层级连接机制，该机制将编码器网络中多层级特征反复连接至解码器网络，促使解码过程充分融合各层级的特征信息。在多层级连接结构中，引入通道注意力机制，以学习当前解码层级中各层级特征的重要性，从而实现更精准的特征选择与利用。第二种方法为宽区域非局部块（wide regional non-local block）。鉴于雨丝主要呈垂直分布特性，本文将图像网格划分为横向宽幅的图像块，并在每个区域内执行非局部操作，以充分挖掘无雨背景的丰富上下文信息。在合成数据集与真实世界雨天图像数据集上的实验结果表明，所提出的MCW-Net显著优于现有最先进的去雨模型。此外，联合去雨与语义分割实验的结果进一步验证了本模型在支持其他视觉任务方面的有效性，展现出良好的泛化能力与实用性。