雨滴会严重降低能见度，除了给日常出行造成各种不便外，也导致了许多计算机视觉应用无法正常工作。特别是在大雨，来自各个方向的雨水使背景变得朦胧，大大降低了摄像头拍摄的图像和视频质量，进而严重影响视频行人检测、车辆检测、目标跟踪等任务的准确性。因此，对图像或视频去除雨水，并从有雨水的图像或视频中恢复背景是非常有意义的。

目前，去雨方法主要分为两类：单图像去雨和视频去雨。其中，单图像去雨有以下两种方法：

（1）基于模型驱动的图像去雨。这种方法主要对雨痕和背景做统计分析，并在有雨层和背景层上施加手工设计的先验约束，最后利用优化框架进行去雨。虽然现有的模型驱动方法试图用不同精心设计的先验知识来描述复杂的雨痕，但它们只适用于特定的模式，而不适用于真实降雨图像中的不规则分布，并且这种方法使用的优化算法通常涉及许多计算迭代，导致它在实际场景中效率低下。

（2）基于数据驱动的图像去雨。该方法利用深度网络自动提取层次化结构特征，从而能够建模雨图与干净背景图像之间的复杂映射。常用的深度网络有深度卷积网络、生成对抗网络、半监督和无监督学习，它们都取得了不错的性能表现。但由于深度卷积网络受全监督学习范式的限制，对于未见过的真实降雨场景，泛化性会很差；而基于生成对抗网络的方法并不能很好的捕获细节信息，因此无法正确模拟真实雨痕的多种外观；基于半监督和无监督学习的图像去雨在面对雨痕密集时，会丢失一些细节信息。

对于视频去雨，由于大多数模型驱动的方法不能直接用于视频数据，所以视频去雨大多采用数据驱动的方法。但这种方法在训练阶段表现出较高的计算复杂度，并且在复杂场景中不能保证良好的除雨性能。那如何设计一个高效的图像、视频去雨算法呢？

12月16日（周四）晚7点，智东西公开课邀请到南洋理工大学博士后研究员杨文瀚以《图像视频去雨算法的研究及应用》为主题，带来学术新青年讲座第21讲的直播讲解。

在本次讲座中，杨文翰博士将系统地探究图像视频去雨方法面临的挑战，以及如何通过设计有效的图像视频去雨算法，提升处理后图像视频的视觉质量。

杨文瀚是新加坡南洋理工大学博士后研究员，研究兴趣包括智能图像视频处理，真实场景图像视频复原增强，人机协作媒体智能等。他累计发表了CCF A类论文30余篇，其中一作14篇，谷歌学术引用3千余次，授权9项中国发明专利。杨文瀚还曾任IEEE ICME-2021领域主席和会议主席，IEEE CVPR-2019/2020/2021 UG2+挑战赛及研讨会组织者。

本次讲座将在智东西公开课知识店铺进行，包含主讲和问答两个部分，其中主讲环节40分钟，问答环节20分钟。本次讲座已组建交流群，并邀请杨文瀚博士加入，欢迎感兴趣的朋友申请。