[发明专利]一种图像中雨雪的去除方法

说明书

技术领域

本发明涉及视频图像处理技术领域，具体而言，是一种图像中雨雪的去除方法。

背景技术

随着计算机、网络、通信、流媒体等技术的日趋成熟与完善，视频在社会生产生活中的应用日益广泛。在智能视频监控、导航、遥感、车牌识别等计算机视觉系统中，视频是最主要的信息来源。然而这些系统功能都是基于正常的天气条件考虑设计的，尽管户外视频监控系统的应用领域非常广泛，但是在雨、雪等恶劣天气中不能很好地发挥其应有的作用。在雨雪天气情况下，从户外监控系统获取的视频图像中可以看到视频画面中出现了许多随机分布的亮点，这些亮点剧烈的冲击作用对人眼造成了视觉冲击，形成了雨雪降落的动态效果。总之，在雨雪天气下，空中的雨线和雪花使景物能见度大幅度降低，各种系统获取的图像模糊不清，对比度降低，视频图像出现严重的失真现象，大大降低了图像的使用价值。为了保证户外监控系统能够适应各种天气情况，在雨雪等恶劣条件下也能正常地工作，所以非常有必要对大气中的雨雪进行去除研究，对获取的图像进行修复，消除天气因素的干扰，提高系统的稳定性。

视频图像雨雪去除研究工作起步较晚，最近一段时间才逐渐被研究人员关注。目前已有的方法大多数集中在雨滴去除研究中，雪花去除研究较少，而且大部分对于大雨的去除效果不佳，现列举出几种现有的方法：1、Starik和Werman于2003年利用用时域上的中值滤波技术对视频图像中的雨滴进行了去除研究，在小雨情况下，这个方法可以成功地去除视频图像中的雨滴，但是在大雨情况下，该方法会导致图像细节模糊，并且处理后雨线依然很明显，去除效果较差。

2、Garg和Nayar于2004年提出了一种比较全面的雨滴去除方法理 论，他们认为视频图像中受雨滴影响的像素点的亮度值变化幅度较大，可以通过计算前后若干相邻帧的差值，并设定一定的阈值来检测雨滴像素点。为了去除误检雨滴，又利用雨滴亮度模型和雨滴动力模型进一步去除误检雨滴，。该算法仅适用于中小雨算法，在大雨或暴雨情况下，该方法不能很好地区分雨滴像素和运动物体像素，会产生很多误检。

3、Garg和Nayar于2005年提出了通过调节摄像头参数的方法进行去雨工作。但是仅是对摄像头参数的调节，但是雨雪天气时，还是会对暴漏在外部的镜头有影响，所以，单一的只调节摄像头参数，不能够充分地得到清晰、无雨雪点的图像，有时必须还要和上述方法相结合才能得到更清晰的图像。

另外，还有一些对图像雨雪的去除方法，Zhang于2006年提出了一种基于颜色模型的方法，该方法认为受到雨滴影响的像素值，R、G、B分量的变化量几乎是相同的，同时利用放大技术和高斯模糊技术来检测和去除雨线。Brewer于2008年提出了一种基于雨滴形状特征的算法，该方法通过定位呈现钉子状的区域的局部信息来检测和去除雨滴，能很好地检测出动态场景中的雨滴，但是在大雨情况下，该方法失效。Zhao于2008年同时也提出了一种直方图模型方法，该方法假设雨滴像素和非雨滴像素有着不同的直方图分布，利用K-Means算法对时间轴上的像素进行聚类(K＝2)。Barnum于2008年提出了一种基于频域的雨滴去除方法，该方法通过建立模糊高斯模型来估计雨滴产生的模糊情况，用频域滤波器来减弱雨滴的可见度。Bossu于2011年提出了一种基于混合高斯模型的方法。该方法先利用雨线的大小和亮度获取候选雨滴，然后利用混合高斯模型来估计雨线的方向。Y.H.Fu，L.W.Kang和C.W.Lin于2011年首次提出了单帧去雨算法，进行了理论上的创新。该方法首先通过MCA(形态分量分析)算法将单张视频图像分解成高频和低频两部分，然后利用字典学习和稀疏编码技术将高频成分解为雨滴成分和非雨滴成分，然后去除分解出来的雨滴成分。Tripathi和Mukhopadhyay于2012年提出了一 种时域统计模型来去除雨滴。为了区分雨滴和运动物体，该方法提取了时间轴上的两种属性特征，一个是像素波动范围，另一个是对称度。该方法认为雨滴像素的亮度变化曲线图是比较对称的，雨滴像素波动范围是比较小的，但是实验证明，如果背景比较暗，但是雨滴又特别亮，就会导致很多雨滴漏检。

发明内容

为了解决现有技术中对图像中雨雪处理的方法计算量大、操作方法繁复，只能应用于静态场等技术缺陷，本发明公开了一种图像中雨雪去除的方法，实现最大限度的降低计算量，简化方法，并且能够同时去除图像中雨雪的目的。

为达到上述目的，本发明提供一种视频图像雨雪去除方法，包括如下步骤，

S1：获取视频帧，建立该视频帧颜色模型并将其转换为HIS颜色模型；