计算机辅助设计与图形学学报

作者：林晓, 苏世辉, 赵天娜, 李岩, 杨启哲, 马利庄

关键词：残差块, 高相似传递注意力, 软阈值处理, 循环结构

在冬季或高海拔的雪地细节拍摄的照片中，大量的雪花覆盖在图像上，严重影响图像的质量。针对当前图像去雪算法中侧重提取海量特征检测并去除多尺度雪花，缺少特征甄别筛选机制的问题，为了提取相关性强的雪花特征，提出基于残差块和高相似传递注意力的图像去雪网络RASP-Net。首先将残差块和空间注意力机制相结合，动态地增强样本有用特征、抑制无用雪花特征；然后使用高相似性传递注意力和软阈值处理技术动态地判断雪花特征；最后通过循环结构细化特征提取和雪花去除，提升模型的去雪性能和鲁棒性。在Snow100K、SRRS和CSD数据集上的大量实验结果表明，RASP-Net在合成和真实世界2种数据集的去雪效果均优于文中对比的方法，其中，Snow100K数据集的峰值信噪比达到了35.51 dB，可精准重建因雪花遮挡而丢失的图像细节。

来源：2026年第1期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2026年第1期