[发明专利]基于高效通道注意力机制的龙格库塔模块去雨的方法

权利要求书

1.基于高效通道注意力机制的龙格库塔模块去雨的方法，其特征在于包括如下步骤：

步骤1：图像预处理

先对所有的有雨图像和原始图像进行预处理，将图像处理成480×320像素大小的图像；

步骤2：利用全局回传机制对图像高阶信息进行再提取

将第t次迭代产生的高阶信息作为第t+1次迭代的低阶信息，通过7次网络回传实现对图像雨痕特征的高效突出和提取；并在第7次后从32通道降维至3通道，得到去雨效果非常好的去雨图像

步骤3：基于高效通道注意力机制的龙格库塔模块的图像特征提取

在全局回传机制中，给定无雨图像F_gt和有雨图像F_o，使有雨图像F_o经过2层基于高效通道注意力机制的龙格库塔模块处理后得到由低阶信息到高阶信息的图像

步骤4：计算损失值

利用负结构相似性计算输出图像与真实图像的损失值，利用该损失值进行梯度回传，进而优化网络性能，同时输出所得图像在PSNR和SSIM上的定量结果。

2.根据权利要求1所述的基于高效通道注意力机制的龙格库塔模块去雨的方法，其特征在于步骤1所述的图像预处理，具体实现如下：

1-1.将所有的图像裁剪为480×320像素的3通道RGB图像，有雨图像命名格式为rain-001.png，原始图像的命名格式为norain-001.png；

1-2.将有雨图像和原始图像存储在文件夹100rain中，并将在文件夹100rain内新建文件夹rainy，将所有有雨图像移动到文件夹rainy。

3.根据权利要求1或2所述的基于高效通道注意力机制的龙格库塔模块去雨的方法，其特征在于步骤2所述的利用全局回传机制对图像高阶信息进再提取，具体实现如下：

2-1.第一部分是输入层，该部分由一层卷积层组成，对输入的图像进行浅层特征提取与升维：

F_input＝σ₁(Conv_in(Ii_n))#(1)

其中，Conv表示第一层的卷积操作，σ₁表示激活函数，I_in表示输入网络的原始图像，F_input表示第一层激活层输出的特征图；

2-2.第二部分是回传层，该部分是网络的主干部分，回传层中包含两个RK3-ECA模块；回传层对输入的图像特征进行充分提取，其中，输入的图像特征是回传层在上一次迭代的输出F_t-1与输入层的输出F_input的均值，这个过程用如下公式表示：

式中F_t表示第t次迭代产生的特征，F_t-1表示第t-1次迭代产生的特征，E表示特征提取操作；其中当t＝1时，即在第一次迭代中，回传层直接提取F_input的特征：

F_t＝E(F_input)#(3)

2-3.第三部分是输出层，该部分由一层卷积核为3*3的卷积层构成，降维输出RGB图像；

公式中表示第t次迭代的输出雨痕层；

2-4.该网络从输入层到输出层之间构建了全局残差连接，可以将有雨图像传递到网络末端，得到在该网络中的背景图层满足如下公式：

其中F_o表示有雨图像，表示第t次迭代的背景图，经过T次迭代后即可得到T个背景图，利用这一组背景图能够进行损失值算。

4.根据权利要求3所述的基于高效通道注意力机制的龙格库塔模块去雨的方法，其特征在于所述的回传机制迭代次数为7，输入网络的原始图像I_in通道数为3，第一层激活层输出的特征图F_input通道数为32，输入层与输出层的卷积核大小为3*3，第t次迭代的输出图像的通道数为3。