В работе рассматривается нейросетевой подход к очистке изображений от шумовой составляющей в виде дождя, использование которого позволит увеличить качество детекции движущихся объектов в неблагоприятных погодных условиях. В качестве архитектуры нейронной сети была выбрана генеративно-состязательная сеть. Основная идея обработки изображений с целью удаления шумовой составляющей в виде дождя заключается в том, что из исходного изображения с дождевой составляющей выбирается прямоугольная область размером 256 на 256 пикселей (выбор фрагмента осуществляется случайным образом). Далее этот фрагмент поступает на вход генератору, который осуществляет его очистку от дождевой составляющей. Далее генератор передает обработанный фрагмент на вход дискриминатору, который, в свою очередь, пытается понять является ли пришедший ему фрагмент обработанным, или эталонным. Таким образом, чем лучше работает дискриминатор, тем лучше осуществляет оценку генератор и наоборот. В работе представлено два подхода к очистке изображений от дождевой составляющей: подход для устранения дождевой составляющей в виде полос; подход для устранения дождевой составляющей в виде эффекта завесы (тумана).
The paper considers a neural network approach to cleaning images from the noise component in the form of rain, the use of which will improve the quality of detection of moving objects in adverse weather conditions. A generative adversarial network was chosen as the neural network architecture. The main idea of image processing in order to remove the noise component in the form of rain is that a rectangular area of 256 by 256 pixels is selected from the original image with the rain component (the fragment is selected randomly). Then this fragment is fed to the generator, which cleans it from the rain component. Then the generator passes the processed fragment to the discriminator, which, in turn, tries to understand whether the fragment it received is processed or reference. Thus, the better the discriminator works, the better the generator performs the assessment and vice versa. The paper presents two approaches to cleaning images from the rain component: an approach to eliminating the rain component in the form of stripes; an approach to eliminating the rain component in the form of a curtain (fog) effect.