Image quality enhancement and rain removal on images taken under different rain conditions

Yağmurlu günlerde kaydedilen görüntülerin görsel kalitesi, yüksek çözünürlüklü kameralarla bile daha kötüdür, bu da nesne tanıma ve sınıflandırma gibi analitik görevleri engeller. Bu nedenle, resim yağmuru son yıllarda sıcak bir konu olmuştur. Bu çalışmada tek bir resmin yağmurdan arındırma, kontrast iyileştirme ve öznitelik analizi için bir yapay sinir ağı önerilmiştir. Bir resmin bozulması, bir resmin mükemmelliği ile karşılaştırılarak değerlendirilir. Görüntü kalitesini iyileştirmek için yağmuru gidermek için kontrastı ve derin ağ mimarisini iyileştirmek için derin evrişimli sinir ağı (CNN) tabanlı bir BCET sunuyoruz. GLCM ve DWT öznitelik çıkarımları da kalite değerlendirmeleri için kullanılmaktadır. Derin bir kalıntı ağı (Res-Net), kaynaktan hedefe olan haritalama mesafesini hemen azaltan ve öğrenme sürecini kolaylaştıran derin bir ayrıntı ağı geliştirmemiz için bize ilham verdi. Model, arka plan parazitini azaltan yüksek bir çözünürlükle eğitilir ve yağmurdan arındırılmış çıktıyı geliştirmek için resim alanıyla ilgili önceki bilgileri kullanarak modeli fotoğraflardaki yağmurun yapısı üzerinde yoğunlaştırır. Görüntü özelliklerini incelemek için kontrast geliştirme ve yağmur giderme kullanılmıştır. Yağmurun neden olduğu görsellerdeki önemli güç dalgalanmaları, dış mekan görüş sistemlerinin kalitesini ve kullanışlılığını azaltır. Hem oluşturulan görüntülerde hem de gerçek görüntülerde sunulan strateji, hem kalite hem de sayı açısından mevcut en iyi uygulamalardan daha iyidir.