基于景深和稀疏编码的图像去雨算法
降雨天气往往会导致室外监控视频质量下降,会使成像的图像产生畸变和模糊现象.为了改善雨天拍摄的图像的质量,该文提出了一种基于景深和稀疏编码的图像去雨算法.针对基于图像分解的去雨算法存在的低频成分中的雨痕残留和轮廓边缘丢失,以及高频部分的背景误判问题,该文利用联合双边滤波和短时傅里叶变换将图像进行分解,使得图像低频部分中的轮廓得到较好的保留,并引入景深改善低频成分中的雨痕残留和高频成分中与雨痕具有相同梯度的背景误判问题.该算法主要分为四个部分:图像分解、字典学习、基于主成分分析和支持向量机的原子聚类,景深修正.首先是利用图像分解提取出图像低频和高频成分,对于图像分解的方法,主要采用的是双边滤波和短时傅里叶变换相结合的方法,此方法对图像的轮廓和边缘保持度较高.接下来,对低频成分进行保留,对高频成分进行进一步处理.根据图像本身的纹理特性将高频成分进行分类,基于每一类再对高频成分进行分块处理,得到每一类图像的字典,从而进行字典学习.然后,利用主成分分析和支持向量机对字典进行分类,根据梯度信息分为含雨字典和非雨字典两类,应用正交匹配追踪获得基于新高频字典的稀疏系数,从而获得高频成分中非雨成分.最后,对于高频成分中和雨痕具有相同梯度的背景误判问题,通过景深,将图像高频按纹理和梯度方向进行二次分类,将高频成分中和雨条纹具有相同梯度的背景进行保留,有效提高分类准确性.同时,利用景深提取出含雨图像中的显著性特征来进一步去除低频成分中的残留雨痕.本文利用主观视觉效果以及客观指标对算法进行评估,实验结果证明主观效果得到明显的改善,客观指标也得到了提升,证明了该文基于景深和稀疏编码的图像去雨算法能够在去雨的同时较好地保留图像的纹理细节.
图像去雨、景深、稀疏编码、主成分分析、双边滤波、短时傅里叶变换
42
TP391(计算技术、计算机技术)
国家重点研发计划项目2017YFB1302401;国家自然科学基金61471272
2019-10-12（万方平台首次上网日期，不代表论文的发表时间）
共11页
2024-2034
