.png){kind=icon}
返回
Wavelet-driven multi-frequency signal unlocking network for image deraining
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.131089.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
降雨引起的雨痕和雾气会显著降低图像质量，直接阻碍下游任务。近年来，基于小波变换的雨滴去除方法因其能够捕捉频率特征而得到发展，从而在抑制高频噪声的同时增强图像结构保持。然而，现有方法往往忽视了独立处理雨成分的重要性，破坏了雨与背景之间的内在联系。为解决此局限性，我们提出了一种新型框架，称为小波驱动的多频信号解锁（WD-MFSU）网络。该网络采用一种小波分解驱动的多元素学习（WDMEL）机制，通过协同处理模式将频率信号整合到注意力机制和差分学习中，该模式包括全局、结构和细节导向分支。这种方法缓解了雨滴去除过程中的伪影和背景失真。此外，我们引入了雨-背景增强动态交互（RBADC）模块，以增强跨组件特征交互并捕捉雨与背景之间的潜在依赖关系。通过利用顺序复合注意力和动态卷积，该模块对雨和背景进行通道重校准，促进动态特征调整。综合评估表明，我们的方法在多个雨天数据集上表现优异，优于近期提出的方法，同时保持较低复杂度，从而展示了其在实际雨天场景和下游任务中的有效性和泛化能力。源代码将发布于https://github.com/ChenHuyoo。
Keyword:
rain removal
wavelet transform
multi-frequency signal
rain-background interaction
deep learning
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
查看更多机构
引用论文
暂无论文信息