[發明專利]一種圖像去雨方法及系統

有效

• 申請號: 201810437574.3
• 申請日: 2018-05-09
• 公開（公告）號: CN108648159B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 陳天一
• 申請（專利權）人: 華南師范大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04
• 代理公司: 廣州駿思知識產權代理有限公司 44425
• 代理人: 吳靜芝

本發明涉及一種圖像去雨方法及系統，包括步驟S1：構建圖像訓練數據庫；其中，圖像訓練數據庫中包括多對無雨?有雨?純雨紋圖像對；步驟S2：根據圖像訓練數據庫中的無雨?有雨?純雨紋圖像對，構建用于去雨的孿生卷積網絡結構；步驟S3：將待去雨圖像進行濾波處理，獲取待去雨圖像的高頻信息和低頻信息；步驟S4：將待去雨圖像的高頻信息輸入到用于去雨的孿生卷積網絡結構中，得到對應的無雨圖像的高頻信息；再將獲得的無雨圖像的高頻信息加上有雨圖像的低頻信息，得到對應的無雨圖像。通過無雨?有雨?純雨紋圖像對構建孿生卷積網絡結構，簡化了運算，構建處理速度快，實時性高，而且通過構建孿生卷積網絡結構可獲得清晰的無雨圖像，魯棒性高。

技術領域

本發明涉及圖像處理領域，特別是涉及一種圖像去雨方法及系統。

背景技術

隨著現代信息技術的快速發展，人們希望獲取更加清晰的圖像，為此，通常需要去除圖像中的雨紋。

傳統的圖像去雨方法，主要采用基于稀疏字典學習的方法，這種方法的核心是從合成的雨圖庫中學習獲得一個目標雨紋稀疏字典，通過該目標雨紋稀疏字典來區分雨紋和背景圖像。但是，這種方法需要不斷引入新的目標特征來增加字典分類的區分度，增加了算法的復雜度，運算耗時長，實時性低。

發明內容

基于此，本發明的目的在于，提供一種圖像去雨方法，其具有簡化運算，構建處理速度快、實時性高的優點。

一種圖像去雨方法，包括如下步驟：

步驟S1：構建圖像訓練數據庫；其中，圖像訓練數據庫中包括多對無雨-有雨-純雨紋圖像對；

步驟S2：根據圖像訓練數據庫中的無雨-有雨-純雨紋圖像對，構建用于去雨的孿生卷積網絡結構；

步驟S3：將待去雨圖像進行濾波處理，獲取待去雨圖像的高頻信息和低頻信息；

步驟S4：將待去雨圖像的高頻信息輸入到用于去雨的孿生卷積網絡結構中，得到對應的無雨圖像的高頻信息；再將獲得的無雨圖像的高頻信息加上有雨圖像的低頻信息，得到對應的無雨圖像；

所述用于去雨的孿生卷積網絡結構包括用于檢測雨紋的第一層網絡結構和用于去除雨紋的第二層網絡結構；

所述構建用于去雨的孿生卷積網絡結構包括如下步驟：

步驟S21：將圖像訓練數據庫中的每張圖像均進行濾波處理，獲取每張圖像中的高頻信息；

步驟S22：初始化第一層網絡結構、第二層網絡結構的網絡參數、第一層網絡結構的訓練次數和第二層網絡結構的訓練次數、以及用于去雨的孿生卷積網絡結構的構建次數；

步驟S23：以無雨-有雨-純雨紋圖像對作為一組訓練樣本，將該組訓練樣本中有雨圖像的高頻信息作為輸入信息輸入到第一層網絡結構中，以輸出純雨紋圖像的高頻信息，且將第一層網絡結構的訓練次數增加1；

步驟S24：判斷第一層網絡結構的訓練次數是否滿足第一設定條件，若滿足，則繼續步驟S25，以訓練第二層網絡結構；否則，反向傳播更新第一層網絡結構中的網絡參數，并取下一組訓練樣本，回到步驟S23，以繼續訓練第一層網絡結構；

步驟S25：以無雨-有雨-純雨紋圖像對作為一組訓練樣本，將該組訓練樣本中有雨圖像的高頻信息作為輸入信息輸入到第一層網絡結構中，以輸出純雨紋圖像的高頻信息；再將第一層網絡結構輸出的純雨紋圖像的高頻信息輸入到第二層網絡結構中，以輸出無雨圖像的高頻信息；且將第二層網絡結構的訓練次數增加1；

步驟S26：判斷第二層網絡結構的訓練次數是否滿足第二設定條件，若滿足，則判定完成一次用于去雨的孿生卷積網絡結構的構建，且將用于去雨的孿生卷積網絡結構的構建次數增加1，繼續步驟S27；否則，反向傳播更新第二層網絡結構中的網絡參數，并取下一組訓練樣本，回到步驟S25，以繼續訓練第二層網絡結構；