[发明专利]一种轻量级的单幅图像去雨方法

权利要求书

1.一种轻量级的单幅图像去雨方法，其特征在于：包括以下步骤：

步骤一：以PyTorch1.10深度学习框架为基础，搭建PReDenseNet去雨模型，所述PReDenseNet去雨模型包括依次连接的5个阶段，5个阶段参数共享，每个阶段由4个部分组成：输入卷积层、循环模块、特征提取模块和输出卷积层；

所述特征提取模块由3部分组成：密集连接块、过渡块和残差连接，所述密集连接块包括空洞率依次为1、2、5、1和2的5个空洞卷积层，所述过渡块包括依次连接的ReLU、卷积块和SE模块，过渡块连接在密集连接块的输出端；

步骤二：对PReDenseNet去雨模型进行训练和验证，其又包括以下步骤：

1)对RainTrainH数据集进行处理，所述RainTrainH数据集包含1800对rain图片和norain图片，其中有546对图片的背景与验证集中的背景内容相同，训练集中剔除这546对图片，将剩余的1254对有雨图片作为训练集，使用ADAM优化算法对PReDenseNet去雨模型进行训练；

2)使用Rain100H大雨数据集作为验证集对经训练后的PReDenseNet去雨模型进行验证，所述Rain100H数据集里包含100张有雨图片；

步骤三：采用经验证后的PReDenseNet去雨模型对单幅图像进行去雨处理。

2.根据权利要求1所述的轻量级的单幅图像去雨方法，其特征在于：包括以下步骤：

所述输入卷积层：由一个核大小为3*3、补丁大小为1的卷积层和ReLU非线性激活函数组成，输入为6通道，输出为32通道；

所述循环模块为GRU，循环模块的输入和输出均为32通道；

所述输出卷积层：由一个核大小同样为3*3、补丁大小为1的卷积层单独组成，输入为6通道，输出为32通道。