[发明专利]一种结合形态学和模糊C聚类的视频雨滴去除方法及其系统

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种结合形态学和模糊C聚类的视频雨滴去除方法及其系统。

背景技术

雨对图像成像有很大的影响，会造成图像成像模糊和信息覆盖，其直接结果是视频图像的清晰度下降，视频图像的数字化处理也会受此影响而性能下降。对受雨滴污染的视频图像进行修复处理有利于图像的进一步处理，包括基于图像的目标检测、识别、追踪、分割和监控等技术的性能提高。而且视频图像去雨技术在现代军事、交通以及安全监控等领域都有广泛的应用前景。

有关视频图像中雨滴特性的研究已受到国际学术界的广泛关注，去雨算法的研究也从2003年Starik等(StarikS,WermanM.Simulationofraininvideos[C]ProceedingofTextureWorkshop,ICCV.Nice,France:2003,2:406-409)提出的中值法开始得到了迅速的发展，处理的方法已经不再局限于最初简单的中值计算，偏度计算、K均值聚类、卡尔曼滤波、字典学习和稀疏编码、引导滤波、帧间亮度差、HSV空间、光流法、运动分割等很多方法也逐渐开始应用在视频图像中雨滴检测与去除的算法中，雨滴去除的效果也逐渐被提高。Garg等最先提出利用雨滴带来的帧间亮度差进行雨滴初检，然后利用雨滴的直线性和方向一致的特点进一步筛选，最后根据前后帧的像素亮度去除雨滴影响，可以较好地满足雨滴不覆盖连续帧图像情况下的雨滴检测与去除；Zhang等将雨滴给像素带来的色彩影响考虑在内，从而提高雨滴检测的准确性，改善了基于亮度变化的去雨算法在彩色图像上的应用效果；Liu等将雨滴的亮度影响和色彩影响同时应用在算法中，用两帧检测雨滴并去除；Tripathi等先研究雨滴像素亮度变化的概率统计特性，然后利用雨滴像素亮度变化的对称性实现雨滴检测，仅基于时域和另外考虑空间位置的影响时效果不完全相同；Kang等首先利用双边滤波将雨图分成高频部分和低频部分，并对高频部分进一步处理得到非雨成分，结合低频部分得到去雨图；Huang等首先利用上下文约束进行图像分割，并利用上下文感知进行单幅图像去雨，并在此基础上提出了改进算法，文中首先用到了超完备的字典对高频部分进行处理。

特别是最近几年，视频图像去雨技术已成为新的研究热点。如何在保证高鲁棒性的前提下提高去雨的准确率和实时性，是目前视频图像去雨领域的焦点。所以我们在此基础上提出了一种利用高斯混合模型改进的有效去雨方法。该方案图像去雨算法具有很高的准确度，更具有鲁棒性。

目前存在的算法中，应用于静态场景视频雨滴检测与去除的算法有较为成熟的研究成果，但是应用在动态场景中的视频上时，算法考虑的是视频中出现运动物体所带来的干扰，对于与雨滴特性区别度不高的运动物体无法达到理想的检测效果。

发明内容

基于此，本发明提供了一种结合形态学和模糊C聚类的视频雨滴去除方法，以有效解决现有技术存在的问题。

不能发明提供了一种结合形态学和模糊C聚类的视频雨滴去除方法，包括下述步骤：

获取视频图像中视频帧序列对应像素位置上的灰度强度序列；

根据所述灰度强度序列，利用模糊C均值聚类算法将像素点分为雨滴类和背景类；

利用雨滴形态学特性计算所述雨滴类和背景类中的雨线对应的长宽比；

根据所述长宽比区别雨滴区和运动目标区，如果背景类的像素的长宽比大，则判断为雨滴区，否则该像素为运动目标区；

将上述得到的雨滴区减去运动目标区得到纯雨滴区域；

在所述纯雨滴区域中提取受雨滴污染的像素点；

通过用雨滴与背景色之间的混合值取代检测到受雨滴污染的像素点实现雨滴的去除。

在一些实施例中，其中，获取视频图像中视频帧序列对应像素位置上的灰度强度序列，包括下述步骤：

构建公式定量描述雨滴下落时产生的模糊，