Single image deraining is an important problem in many computer vision tasks since rain streaks can severely hamper and degrade the visibility of images. Exisiting methods either focus on extracting rain streaks and ignore the background recovery, or the network structure is extremely complex and the number of parameters is quite large. Although some methods mention background restoration work, they generally ignore effective contextual information and result in unsatisfactory results. In this paper, we propose a novel network single image Deraining via detail-guided Efficient Channel Attention Network (DECAN) to remove rain streaks from rainy images. Specifically, we introduce two sub-networks with a comprehensive loss function that synergize to remove rain streaks and recover the background of the derained image. For completing rain streaks removal, we construct a rain streaks removal network with detail-guided efficient-channel-attention module to identify effective low-level features. For background recovery, we present a specialized background repair network consisting of well-designed blocks, named background details recovery network, to repair the background with effective contextual information for eliminating image degradations. Experiments on four synthetic datasets and some real-world rainy image sets show visual and numerical improvements of proposed method over the state-of-the-arts considerably.

在许多计算机视觉任务中，单个图像排空是一个重要的问题，因为雨水条纹会严重阻碍图像的可视性并降低其可视性。现有方法要么着重于提取雨纹而忽略了背景恢复，要么网络结构极其复杂且参数数量非常大。尽管某些方法提到了背景恢复工作，但它们通常会忽略有效的上下文信息，从而导致效果不理想。在本文中，我们提出了一种新颖的网络单图像去除，该图像通过详细指导的有效通道注意网络（DECAN）来去除多雨图像中的雨水条纹。具体来说，我们介绍了两个具有综合损失功能的子网，这些子网可以协同消除雨水条纹并恢复排水图像的背景。为了完成雨水条纹去除，我们构建了一个雨水条纹去除网络，该网络具有详细指导的有效通道注意模块，以识别有效的低层特征。对于背景恢复，我们提出了一个专门的背景修复网络，该网络由精心设计的模块组成，称为背景详细信息恢复网络，以利用有效的上下文信息修复背景以消除图像质量下降。在四个合成数据集和一些实际的多雨图像集上进行的实验表明，该方法相对于最新技术具有明显的视觉和数值改进。我们提供了一个专门的背景修复网络，该网络由精心设计的模块组成，称为背景详细信息恢复网络，可使用有效的上下文信息修复背景以消除图像质量下降。在四个合成数据集和一些实际的多雨图像集上进行的实验表明，该方法相对于最新技术具有明显的视觉和数值改进。我们提供了一个专门的背景修复网络，该网络由精心设计的模块组成，称为背景详细信息恢复网络，可使用有效的上下文信息修复背景以消除图像质量下降。在四个合成数据集和一些实际的多雨图像集上进行的实验表明，该方法相对于最新技术具有明显的视觉和数值改进。