雨天の画像はコンピュータビジョンタスクの効果と精度に影響を及ぼします。雨天の画像には異なる方向、大きさ、形状の雨粒や雨の跡が含まれることが多く、これらの雨粒や雨跡を除去する際、既存の方法は雨天画像の異なる細かいスケールでの特徴情報を考慮しておらず、単一のスケールのみで画像の雨を除去することには大きな欠点があり、十分に鮮明な視覚タスク用画像を復元できません。畳み込みニューラルネットワーク構造の強力な特徴抽出能力を活用し、本論文では4層の畳み込み層を含み、階段状に結合されたエンドツーエンドの多段階連結漸進畳み込み構造演算子を提案します。このモジュールは多スケールシーンの雨天に対して特徴を抽出し統合できます。この演算子モジュールを漸進的再帰ネットワーク構造に組み込み、再帰構造を用いて雨跡を複数回除去し、最終的に実際の画像に近い無雨画像を効果的に復元します。本手法は既存の人工合成雨画像データセットであるRain100H、Rain100L、Rain800および自動運転分野の合成雨画像データセットBDD1000で比較実験を実施しました。実験結果は、4つのデータセットでPSNR値がそれぞれ30.70、37.91、27.63、35.74 dB、SSIM値が0.914、0.980、0.894、0.977に達したことを示しています。実際の雨画像データセットでの除雨結果の可視化により、本手法の除雨タスクにおける有効性が十分に検証されました。

画像雨除去;多段階連結漸進畳み込み構造;畳み込みニューラルネットワーク;深層学習;マルチスケール特徴;残差構造