[發(fā)明專利]一種視頻圖像去雨方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201510539820.2
• 申請日: 2015-08-28
• 公開（公告）號: CN105335949A
• 公開（公告）日: 2016-02-17
• 發(fā)明（設(shè)計）人: 朱青松;李佳恒;王磊
• 申請（專利權(quán)）人: 中國科學(xué)院深圳先進(jìn)技術(shù)研究院
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T7/00
• 代理公司: 深圳市科進(jìn)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44316
• 代理人: 宋鷹武

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及一種視頻圖像去雨方法及系統(tǒng)。

背景技術(shù)

雨對圖像成像有很大的影響，會造成圖像成像模糊和信息覆蓋，其直接結(jié)果是視頻圖像的清晰度下降，視頻圖像的數(shù)字化處理也會受此影響而性能下降。對受雨滴污染的視頻圖像進(jìn)行修復(fù)處理有利于圖像的進(jìn)一步處理，包括基于圖像的目標(biāo)檢測、識別、追蹤、分割和監(jiān)控等技術(shù)的性能提高。而且視頻圖像去雨技術(shù)在現(xiàn)代軍事、交通以及安全監(jiān)控等領(lǐng)域都有廣泛的應(yīng)用前景。

有關(guān)視頻圖像中雨滴特性的研究已受到國際學(xué)術(shù)界的廣泛關(guān)注，去雨算法的研究也從2003年Starik等(StarikS,WermanM.Simulationofraininvideos[C]ProceedingofTextureWorkshop,ICCV.Nice,France:2003,2:406-409)提出的中值法開始得到了迅速的發(fā)展，處理的方法已經(jīng)不再局限于最初簡單的中值計算，偏度計算、K均值聚類、卡爾曼濾波、字典學(xué)習(xí)和稀疏編碼、引導(dǎo)濾波、幀間亮度差、HSV空間、光流法及運動分割等很多方法也逐漸開始應(yīng)用在視頻圖像中雨滴檢測與去除的算法中，雨滴去除的效果也逐漸被提高。Garg等最先提出利用雨滴帶來的幀間亮度差進(jìn)行雨滴初檢，然后利用雨滴的直線性和方向一致的特點進(jìn)一步篩選，最后根據(jù)前后幀的像素亮度去除雨滴影響，可以較好地滿足雨滴不覆蓋連續(xù)幀圖像情況下的雨滴檢測與去除；Zhang等將雨滴給像素帶來的色彩影響考慮在內(nèi)，從而提高雨滴檢測的準(zhǔn)確性，改善了基于亮度變化的去雨算法在彩色圖像上的應(yīng)用效果；Liu等將雨滴的亮度影響和色彩影響同時應(yīng)用在算法中，用兩幀檢測雨滴并去除；Tripathi等先研究雨滴像素亮度變化的概率統(tǒng)計特性，然后利用雨滴像素亮度變化的對稱性實現(xiàn)雨滴檢測，僅基于時域和另外考慮空間位置的影響時效果不完全相同；Kang等首先利用雙邊濾波將雨圖分成高頻部分和低頻部分，并對高頻部分進(jìn)一步處理得到非雨成分，結(jié)合低頻部分得到去雨圖；Huang等首先利用上下文約束進(jìn)行圖像分割，并利用上下文感知進(jìn)行單幅視頻圖像去雨，并在此基礎(chǔ)上提出了改進(jìn)算法，文中首先用到了超完備的字典對高頻部分進(jìn)行處理。特別是最近幾年，視頻圖像去雨技術(shù)已成為新的研究熱點。如何在保證高魯棒性的前提下提高去雨的準(zhǔn)確率和實時性，是目前視頻圖像去雨領(lǐng)域的焦點。

綜上所述，現(xiàn)有的視頻圖像去雨技術(shù)存在的缺點在于：去雨效果都不是很理想，具有一定的局限性；雖然能處理視頻和圖像，但是對于與雨滴特性區(qū)別度不高的運動物體無法達(dá)到理想的檢測效果，對于動態(tài)場景的去雨效果存在很多誤判的情況。

發(fā)明內(nèi)容

本發(fā)明提供了一種視頻圖像去雨方法及系統(tǒng)，旨在解決現(xiàn)有的視頻圖像去雨技術(shù)去雨效果不佳，具有一定的局限性，且對于動態(tài)場景的去雨效果存在誤判的技術(shù)問題。

本發(fā)明是這樣實現(xiàn)的，一種視頻圖像去雨方法，包括：

步驟a：輸入視頻幀圖像，并將視頻幀圖像從RGB色彩空間轉(zhuǎn)換為YCbCr色彩空間；

步驟b：獲取圖像視頻幀的Y分量序列，利用快速模糊C均值聚類算法對Y分量中的圖像像素進(jìn)行分割，得到雨區(qū)圖像；

步驟c：利用α混合技術(shù)將雨區(qū)圖像中的雨滴去除，得到最終去雨圖像。

本發(fā)明實施例采取的技術(shù)方案還包括：在所述步驟b中，所述利用快速模糊C均值聚類算法對Y分量中的圖像像素進(jìn)行分割的分割方法包括：利用分層減法聚類算法把序列點集S分為n_p個子集S_k(k＝1,2,…,n_p)，到中心點v_i的距離用S_k的中心到v_i的距離表示，即：