[图像去雨]--Arixv-Gradual Network for Single Image De-raining

摘要：

在单幅图像去雨方面的大多数进展都遇到了一个关键的挑战，即在保留图像细节的同时去除不同尺度和形状的雨条纹。现有的单幅图像消雨方法将消雨条纹直接视为像素级回归过程。然而，他们在过度降雨(如去除无雨区域的纹理细节)和去雨不足(如留下雨纹)之间缺乏平衡。在本文中，我们首先提出了一种由粗到细的渐进式网络(GraNet)，它由粗步骤和细步骤组成，用于研究具有不同粒度的单图像去雨。具体来说，为了揭示粗粒度的雨条纹特征(例如，长而厚的雨条纹/雨滴)，我们提出了一个粗粒度阶段，通过一个由区域感知块组成的局部-全局子网络来利用局部-全局空间依赖性。将粗阶段重建的输出和原图像的残差值作为细粒度阶段输入，细粒度阶段通过去除细粒雨纹(如小雨纹、水雾)，利用具有密集块和合并块的上下文合并子网络得到统一的无雨、重建良好的输出图像。通过对合成数据和真实数据的坚实而全面的实验表明，我们的GraNet在去除不同密度、尺度和形状的雨纹的同时，还能很好地保留无雨区域的图像细节，从而显著优于最先进的方法。

正文：

Motivation:

作者分析了以往方法的缺点，主要是在过度去雨和去雨不足之间找不到平衡点：
1.过度去雨造成无雨区域的细节丢失，c图所示。
2.去雨不足导致还存在雨纹 ，b图所示