[發(fā)明專利]一種單幅圖像去雨方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710860854.0
• 申請(qǐng)日: 2017-09-21
• 公開（公告）號(hào): CN107657593B
• 公開（公告）日: 2021-07-27
• 發(fā)明（設(shè)計(jì)）人: 湯紅忠;王翔;李驍;毛麗珍
• 申請(qǐng)（專利權(quán)）人: 湘潭大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 湖南喬熹知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 43262
• 代理人: 安曼

1.一種單幅圖像去雨方法，其特征在于，包括以下步驟：

1)將有雨圖像分為高頻圖像和低頻圖像；

2)獲取包括有雨分量與恢復(fù)圖像的邊緣及紋理信息的高頻圖像

3)將所述高頻圖像分塊，隨機(jī)取p個(gè)圖塊作為訓(xùn)練樣本，基于非相干字典學(xué)習(xí)模型，得到學(xué)習(xí)的非相干字典D；

4)提取所述非相干字典原子的HOG特征，對(duì)非相干字典原子進(jìn)行聚類，將非相干字典D分為有雨字典D_r與無雨字典D_n；

5)基于學(xué)習(xí)非相干字典D對(duì)高頻圖像進(jìn)行稀疏表示，求得對(duì)應(yīng)有雨字典D_r與無雨字典D_n的稀疏表示系數(shù)，將有雨字典D_r對(duì)應(yīng)的稀疏表示系數(shù)置0，得到高頻圖像的有雨分量和無雨分量；

6)將低頻圖像和高頻圖像的無雨分量相加，得到去雨后的圖像；

非相干字典D的獲取過程包括以下步驟：

1)初始化給定的訓(xùn)練樣本集，初始化字典D并對(duì)字典D的列向量進(jìn)行歸一化，初始化最大迭代次數(shù)；

2)求解字典D的稀疏表示系數(shù)；

3)設(shè)計(jì)字典更新目標(biāo)函數(shù)如下：

其中，y_i是第i個(gè)訓(xùn)練樣本；x_i是樣本yi對(duì)應(yīng)的稀疏表示系數(shù)；m為字典D的原子個(gè)數(shù)；n為字典D的維度；I_n是一個(gè)n×n的單位矩陣；α是字典相干性的懲罰系數(shù)；mim表示最小化目標(biāo)函數(shù)；

4)利用LBFGS方法求解所述字典更新目標(biāo)函數(shù)，得到D’，并對(duì)D’的列向量進(jìn)行歸一化處理；

5)將迭代次數(shù)加1，判斷是否收斂，若是，則輸出D’，D*＝D’；否則，返回步驟2)。

2.根據(jù)權(quán)利要求1所述的單幅圖像去雨方法，其特征在于，字典D的稀疏表示系數(shù)求解過程包括：

1)定義稀疏編碼：β是稀疏度的懲罰系數(shù)；p表示訓(xùn)練樣本的個(gè)數(shù)；

2)設(shè) 其中，η＞0表示步長(zhǎng)，k表示迭代次數(shù)； 是第k次迭代時(shí)的x_i 值；Y是由所有的訓(xùn)練樣本構(gòu)造的矩陣，Y＝{y₁,y₂,…y_p}；

3)定義鄰近算子其中定義了第k次迭代時(shí)x_i中每個(gè)元素的絕對(duì)值；

4)結(jié)合步驟2)和步驟3)，求得稀疏表示系數(shù)x_i。

3.根據(jù)權(quán)利要求2所述的單幅圖像去雨方法，其特征在于，

4.根據(jù)權(quán)利要求1所述的單幅圖像去雨方法，其特征在于，利用K-means方法對(duì)非相干字典原子進(jìn)行聚類。