[发明专利]一种基于景深和稀疏编码的图像去雨方法

说明书

本发明提供了一种基于景深和稀疏编码的图像去雨方法，包括以下步骤：步骤1，输入含雨的原始图像，利用联合双边滤波和短时傅里叶变换对原始图像进行分解，得到低频图像和高频图像；步骤2，根据图像本身的纹理特性将高频图像分为K类，对每一类进行分块处理得到去雨字典；步骤3，将所述去雨字典分为两类：含雨字典和不含雨字典；步骤4，获得所述高频图像中的不含雨成分；步骤5，利用景深DoF值修正所述高频图像中的不含雨成分得到景深修正无雨高频图，修正所述低频图像和所述原始图像得到景深修正低频图；步骤6，对景深修正低频图和景深修正无雨高频图进行叠加，得到去雨后的输出图像。本发明具有设计科学、实用性强和去雨效果好的优点。

技术领域

本发明涉及图像去雨技术领域，具体的说，涉及了一种基于景深和稀疏编码的图像去雨方法。

背景技术

随着当代科技的发展，计算机视觉算法常常用于进行图像分析，检测和跟踪，远程监控等各种领域。然而受到户外天气条件例如雾霾，雨雪，夜晚等的影响，图像的处理工作受到很大的影响，也很难精确的对图像进行分析和处理。

在各种户外天气中，雨天的环境较复杂，视觉效果多变，在小雨的天气下，图像中的雨会呈现雨滴的形状，雨滴会使图像背景产生畸变，而变的模糊。当雨量较大的时候，会出现明显的雨条纹情况，对于不同距离时，也会产生不同的结果。当距离较远时，远处的雨水条纹累积会产生类似于雾或雾的大气遮蔽效应，而近处的条纹会产生高光现象，遮挡背景。雨痕有不同的形状和方向，尤其是在大雨中，会使可见度严重降低。当在雪天环境时，也有类似的结果，极大的影响了视觉系统的成像质量，对后续的图像分析较不利。

随着智能交通和安全防范领域的快速发展，为了提高图像视觉效果，需对有雨雪的图片实施预处理，以提升目标检测的精确度。建立图像雨痕去除的模型可以对雨雪天气下的视频图像中的干扰成分进行恰当的去除，有助于视频图像的进一步分析处理。

为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

发明内容

本发明的目的是针对现有技术的不足，从而提供一种设计科学、实用性强和去雨效果好的基于景深和稀疏编码的图像去雨方法。

为了实现上述目的，本发明所采用的技术方案是：一种基于景深和稀疏编码的图像去雨方法，包括以下步骤：

步骤1，输入含雨的原始图像，利用联合双边滤波和短时傅里叶变换对所述原始图像进行分解，得到低频图像和高频图像；

步骤2，根据图像本身的纹理特性将所述高频图像分为K类，对每一类进行分块处理得到去雨字典；

步骤3，利用主成分分析将所述去雨字典的字典原子分为含雨原子和不含雨原子，再运用支持向量机对含雨原子和不含雨原子进行训练，将所述去雨字典分为两类：含雨字典和不含雨字典；

步骤4，利用正交匹配追踪得到关于所述去雨字典的稀疏表示系数，以获得所述高频图像中的不含雨成分；

步骤5，计算所述原始图像的景深DoF值，利用景深DoF值修正所述高频图像中的不含雨成分得到景深修正无雨高频图，修正所述低频图像和所述原始图像得到景深修正低频图；

步骤6，对所述景深修正低频图和所述景深修正无雨高频图进行叠加，得到去雨后的输出图像。

基于上述，步骤1中将原始图像分解为低频图像和高频图像的具体方法包括：

对所述原始图像进行双域滤波，得到引导图像；分别对所述原始图像和所述引导图像进行双边滤波，得到基本层图像和引导层图像，所述基本层图像作为低频图像；

计算原始图像和引导图像在某点的邻域残差，利用双边滤波的核函数分别对该邻域残差进行加窗处理，利用加窗处理后的引导图像构造高斯核函数，对加窗处理后的原始图像进行收缩得到细节层图像，所述细节层图像作为高频图像。