去雨算法：Clearing the Skies: A Deep Network Architecture for Single-Image Rain Removal

基本信息

时间：2017
期刊会议类别：IEEE
亮点：将图像分为base layer和detail layer

1、图像预处理

不同于以往直接将原图像直接输入进神经网络，本文使用低通滤波器将图像分为基层和细节层，而雨线都集中在细节层中，所以本文只将细节层作为网络输入。公式如下：

2、网络架构

1、按照第一节中提到的将图片分为基层（Base layer）和细节层（Detail layer）
2、随后将细节层送入两层卷积神经网络，再通过反卷积得到去雨后的细节图像（反卷积论文中没有提到，在代码中能看到）
3、将基层通过另外一篇论文中的非线性增强模型，进行图像增强，得到Enhanced base layer。细节层直接线性乘以2，得到Enhanced detail layer。4、将Enhanced base layer 和Enhanced detail layer线性叠加，即可得到去雨后的图像。

3、损失函数

如下公式，其实就是MSE损失：

4、感悟

1、该片论文是第一篇将原图像通过滤波器分为base layer 和detail layer的论文，虽然看起来简单，但对后来的其他人的工作都有启发影响。
2、本文的卷积神经网络虽然很简单，但是在当年似乎算是效果非常好的了。
3、提供的tensorflow代码，好像有点问题，读进去的数据，无法将data和label对应，不知道是不是我系统的问题。