Clearing the Skies: A deep network architecture for single-image rain removal
贡献
1）DerainNet在细节层而不是图像域上进行训练可以改善对网络权重的学习，从而改善排水效果，而无需大量增加训练数据或计算资源。
2）合成的雨天图像上进行训练，但是在实际的雨天图像上进行测试时，
利用低通滤波器将每个图像分解为低频base layer和高频detail layer。降雨条纹和对象的细节都保留在detail layer。将base layer从训练过程中删除，从而大大简化了CNN需要学习的映射。detail layer是CNN去除雨水的输入。为了进一步改善视觉质量，我们引入了图像增强步骤以锐化两层的效果。
论文笔记参考：https://blog.csdn.net/h_l_dou/article/details/82810393