题目：Wavelet Approximation-Aware Residual Network for Single Image Deraining
基于小波近似感知残差网络的单图像去雨
作者：Wei-Yen Hsu; Wei-Chi Chang
摘要
在基于深度卷积神经网络（CNNs）的单图像去雨方面已经取得了巨大进展。大多数现有的深度去雨方法中，CNNs 旨在学习从雨图像到干净无雨图像的直接映射，并且它们的架构变得越来越复杂。然而，由于雨水与物体边缘和背景混合的限制，很难分离雨水和物体/背景，图像的边缘细节在重建过程中无法有效恢复。为了解决这个问题，我们提出了一种新颖的小波近似感知残差网络（WAAR），在该网络中，雨水在每个级别的低频结构和高频细节中都被有效去除，特别是在每个级别的低频子图像中。经过小波变换后，我们提出了新颖的近似感知（AAM）和近似级别混合（ALB）机制，以进一步帮助每个级别的低频网络递归恢复低频子图像的结构和纹理，而高频网络可以通过块连接有效地消除雨痕，并通过调整超参数实现不同程
标签：TPAMI,残差,近似,于小波,网络,2024,图像,低频,感知 From： https://blog.csdn.net/qq_42722197/article/details/141101328