[发明专利]一种基于循环密集神经网络的单幅图像去雨方法和系统

权利要求书

1.一种基于循环密集神经网络的单幅图像去雨方法，其特征在于，包括：

构建密集网络模型，提取雨纹信息；

构建子网络模型，对雨图进行做差处理，得到清晰雨图；

反复循环迭代所述子网络模型，得到循环密集神经网络；

利用损失函数进行训练，得到最佳去雨网络模型；

构建子网络模型，对雨图进行做差处理，得到清晰雨图，包括：

将所述密集网络模型与长短记忆网络模型串联，得到子网络模型，获取雨图；

将雨图通过输入层进入所述子网络模型，经过卷积操作输入到长短记忆层，所述长短记忆层输出雨纹信息到密集网络层，所述雨图与所述密集网络层的输出信息在残差输出层做残差处理，得到清晰雨图。

2.如权利要求1所述的一种基于循环密集神经网络的单幅图像去雨方法，其特征在于，所述构建密集网络模型，提取雨纹信息，包括：

利用密集网络，构建一个密集网络模型，提取并融合雨纹信息，将每一层的雨纹信息输入输出联系起来，并进行非线性变换。

3.如权利要求1所述的一种基于循环密集神经网络的单幅图像去雨方法，其特征在于，所述反复循环迭代所述子网络模型，得到循环密集神经网络模型，包括：

将所述子网络模型进行多次反复循环迭代，得到循环密集神经网络模型，其中，每次迭代前，都将雨图与上一次迭代后的所述长短记忆层获得的去雨纹信息进行连接，再进行下一次迭代。

4.如权利要求3所述的一种基于循环密集神经网络的单幅图像去雨方法，其特征在于，在去雨数据集进行训练，得到最佳去雨网络模型，包括：

将雨图输入到所述循环密集神经网络模型中，获取清晰背景图的参数，利用损失函数计算去所述循环密集神经网络模型的损失，并根据计算出的模型损失，更新网络模型，使网络误差最终收敛至设定范围内，得到最佳去雨网络模型。