近日，课题组的论文“DRR: A New Method for Multiple Adverse Weather Removal”被中科院一区期刊《Expert Systems With Applications》录用发表。

在恶劣天气去除及其它修复任务（如去模糊和去噪）中，每种图像退化（如恶劣天气、模糊、噪声等）都会呈现独特的扰动模式，需要针对性地处理或修复。仅针对单一恶劣天气退化设计修复方案过于理想化，原因在于同一场景中的多种恶劣天气条件往往同时存在。

鉴于此，文章提出了一种新的去除多种恶劣天气退化叠加的方法，核心为精心设计的下采样-去除-重建（DRR）流程。在此基础上，我们进一步定制了一个模型，即DRR-Weather，该模型主要包含一个主干网络和一个辅助分支。在DRR-Weather中，由多种恶劣天气条件造成的多重退化输入图像在进入模型前会进行降采样。DRR-Weather的主干网络由两个模块组成：一个用于降维后的退化去除，另一个用于将图像重建至全分辨率。退化去除模块配备了固有浅层特征提取（ISFE）块、固有深层特征提取（IDFE）块和固有特征融合（IFF）块。具体而言，ISFE和IDFE块专门设计用于处理低分辨率的降采样退化输入，将其转换为具有语义信息的特征。同时，IFF块负责特征的通道间交互与融合，最终生成增强的特征表示。高分辨率图像重建（HRIR）模块在高分辨率真实图像的监督下进行清晰重建，利用提取的有效特征信息，从而恢复更多细节。辅助分支则配备了IFF和HRIR，专注于通过精细结构表示优化固有特征，并借助高分辨率退化图像的指导来重建原始退化图像。

该工作得到了国家自然科学基金（62202507、62272116、62371145和62394334）、广东省自然科学基金（2022A1515011209）、福建省自然科学基金（2024J01098）、广州大学科学基金（YJ2023022）、华侨大学科研启动基金（24BS109）、厦门市自然科学基金（3502Z202472011）的支持。

论文信息：Zixuan Li, Fang Long, Wenkang Su*, Yuan-Gen Wang*, Qingxiao Guan, Lei Cai. DRR: A new method for multiple adverse weather removal. Expert Systems with Applications, 2025, 268: 126248.  https://doi.org/10.1016/j.eswa.2024.126248