群稀疏残差约束的引导字典学习算法及其单幅图像去雨

摘要：

为了更有效地进行单幅图像去雨,提出一种群稀疏残差约束的引导字典学习算法.该算法特点在于利用混合高斯模型从自然图像中学习外部字典,面向有雨图像构建了基于外部字典引导的内部字典学习模型,并将内部字典的低秩性增加到字典学习目标函数中.该模型可以有效地利用自然图像与有雨图像先验知识之间的互补性,有助于同时恢复潜在稀疏的与稠密的图像细节.其次,基于图像的非局部自相似准则,利用群结构稀疏表示确保了相似图像块的编码系数尽可能接近,并对该模型引入残差约束,可有效地提高学习字典的重构能力与泛化能力.实验结果表明,在合成图像与真实图像上与其他算法相比,使用所提算法去雨后的图像具有更丰富的细节信息,图像更清晰,大大改善了整体视觉效果.

关键词：群稀疏残差、引导字典学习、混合高斯模型、单幅图像去雨

所属期刊栏目：32

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;湖南省科技计划;衡阳师范学院智能信息处理与应用湖南省重点实验室开放基金

在线出版日期：2020-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1267-1277