一种单幅图像去雨方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107657593A(43)申请公布日2018.02.02(21)申请号201710860854.0(22)申请日2017.09.21(66)本国优先权数据201710259918.12017.04.20CN(71)申请人湘潭大学地址411105湖南省湘潭市雨湖区西郊羊牯塘湘潭大学(72)发明人汤红忠王翔李骁毛丽珍(74)专利代理机构上海精晟知识产权代理有限公司31253代理人熊娴冯子玲(51)Int.Cl.G06T5/00(2006.01)权利要求书1页说明书10页附图7页(54)发明名称一种单幅图像去雨方法(57)摘要本发明公开了一种单幅图像去雨方法，首先，基于双边滤波将有雨图像分解为高频图像与低频图像。然后，在字典学习阶段，为降低有雨原子与无雨原子间的相似性，引入字典的非相干性，构建了新的目标函数，不仅可以保证聚类时有雨字典与无雨字典的可分性，而且学习的非相干字典具有类似于紧框架的性质，可以逼近等角紧框架。通过有雨字典与无雨字典对高频图像的稀疏表示，能够更好分离出高频图像中的有雨分量与无雨分量，将高频无雨分量与低频图像叠加实现图像去雨。实验结果表明，本发明方法所学习的非相干字典具有较好的稀疏表示性能，去雨后的图像雨线残留较少，边缘细节保持较好，视觉效果更为清晰自然。CN107657593ACN107657593A权利要求书1/1页1.一种单幅图像去雨方法，其特征在于，包括以下步骤：1)获取包括有雨分量与恢复图像的边缘及纹理信息的高频图像；2)将所述高频图像分块，随机取p个图块作为训练样本，基于非相干字典学习模型，得到学习的非相干字典D；3)提取所述非相干字典原子的HOG特征，对非相干字典原子进行聚类，将非相干字典D分为有雨字典Dr与无雨字典Dn；4)基于学习非相干字典D对高频图像进行稀疏表示，求得对应有雨字典Dr与无雨字典Dn的稀疏表示系数，将有雨字典Dr对应的稀疏表示系数置0，得到高频图像的有雨分量和无雨分量；5)将所述高频图像的有雨分量和无雨分量相加，得到去雨后的图像。2.根据权利要求1所述的单幅图像去雨方法，其特征在于，非相干字典D的获取过程包括以下步骤：1)初始化给定的训练样本集，初始化字典D并对字典D的列向量进行归一化，初始化最大迭代次数；2)求解字典D的稀疏表示系数；3)设计字典更新目标函数如下：其中，yi是第i个训练样本；xi是样本yi对应的稀疏表示系数；m为字典D的原子个数；n为字典D的维度；In是一个n×n的单位矩阵；α是字典相干性的惩罚系数；4)利用LBFGS方法求解所述字典更新目标函数，得到D’，并对D’的列向量进行归一化处理；5)将迭代次数加1，判断加1后的迭代次数是否小于最大迭代次数，若是，则输出D’，D*＝D’；否则，返回步骤2)。3.根据权利要求2所述的单幅图像去雨方法，其特征在于，字典D的稀疏表示系数求解过程包括：1)定义稀疏编码：β是稀疏度的惩罚系数；2)设其中，η>0表示步长，k表示迭代次数；x(k)是第k次迭代时的x值；3)定义邻近算子其中定义了第k次迭代时xi中每个元素的绝对值；是第k次迭代时xi中每个元素值；4)结合步骤2)和步骤3)，求得稀疏表示系数xi。4.根据权利要求3所述的单幅图像去雨方法，其特征在于，5.根据权利要求1所述的单幅图像去雨方法，其特征在于，利用K-means方法对非相干字典原子进行聚类。2CN107657593A说明书1/10页一种单幅图像去雨方法技术领域[0001]本发明涉及图像处理领域，特别是一种单幅图像去雨方法。背景技术[0002]在雨天情况下，雨滴颗粒一般大于100μm，容易被镜头捕捉。因此，受有雨天气状况的影响，户外镜头所采集图像的部分纹理与细节信息容易被雨线遮挡，造成局部区域过亮，背景图像模糊等问题。雨天图像质量的退化极大制约了如视觉监控、视觉导航与目标跟踪等户外智能视觉系统的功能。且雨滴颗粒状态多变，不同情形下的雨线方向和粗细均不相同，因此，研究如何从各类雨天降质图像中恢复出高质量的图像具有极高的研究与应用价值[1-3]。[0003]图像去雨研究主要包括视频图像去雨与单幅图像去雨。视频图像目前取得了较大的进展，文献[4,5]基于雨线动态模型与亮度模型实现雨线检测，利用图像帧之间的雨线亮度差异与背景亮度存在一定的线性关系，并通过对亮度取平均值消除雨线。文献[6]利用受雨滴遮挡像素的RGB三个通道的亮度变化值基本不变，提出了一种色度约束模型解决雨滴的误检测问题，并采用K-means聚类实现视频去雨。文献[7]基于HSV空间分析雨滴成像特性，构造了如何区分雨滴与其他运动目标的度量函数，大大提高了视频去雨的实时性。文献[8]将灰色调代替亮度值，实现雨滴候选区域的提取，建立了