[发明专利]一种单幅图像去雨方法及装置

说明书

本发明提供一种单幅图像去雨方法及装置，通过首先将待处理图像中的纯雨区域识别出来，进一步将所述纯雨区域作为输入进行字典学习及其稀疏表示，获得有雨字典。进而基于有雨字典对所述待处理图像进行稀疏重构，获得雨痕掩模。最后通过雨痕掩模对所述待处理图像进行去雨处理，获得目标图像，即无雨痕的图像。由于该方法仅仅对有雨像素进行处理，无雨像素部分得到保持。因此，本文方法去雨后的图像雨痕残留较少，保持了目标图像中更为丰富的边缘和纹理，大大的提高去雨精确性。

技术领域

本发明涉及图像处理领域，具体涉及一种单幅图像去雨方法及装置。

背景技术

受有雨天气状况的影响，户外镜头所采集图像的部分纹理与细节信息容易被雨线遮挡，造成局部区域过亮，背景图像模糊等问题。雨天图像质量的退化极大制约了如视觉监控、视觉导航与目标跟踪等户外智能视觉系统的功能。且雨滴颗粒状态多变，不同情形下的雨线方向和粗细均不相同，因此，研究如何从各类雨天降质图像中恢复出高质量的图像具有极高的研究与应用价值。

图像去雨包括视频图像去雨与单幅图像去雨。与视频图像不同的是，在对单幅图像去雨时没有时间信息可以利用，其难度较大。因此，单幅图像去雨的研究引起了国内外学者的广泛关注。目前，现有的单幅去雨算法主要基于以下模型[1]：

I＝B+R (1)

其中，I为有雨图像，B为背景图像，R为雨痕层图像，由式(1)可知，有雨图像可以看成是背景图像与雨痕层的线性叠加。图像去雨的本质是从有雨图像中分离出雨痕层图像，提高背景图像的视觉能见度。

背景图像的细节(边缘)和雨痕分量都分布在高频图像中，因此，大多数相关工作都首先将有雨图像可以分解成低频图像和高频图像，再针对高频图像进行去雨，将去雨后的高频图像与低频图像融合可得到无雨图像。单幅图像去雨大致可分为基于滤波的去雨算法和基于机器学习的去雨算法。

现有技术中，有一种基于机器学习的去雨算法，其框架基于字典学习实现高频图像的稀疏表示，结合方向梯度直方图(Histogram of Oriented Gradient，简称：HOG)特征实现学习字典的原子分类，得到无雨字典与有雨字典，通过稀疏重构获得高频图像的有雨分量与无雨分量，将高频图像的无雨分量与低频图像叠加得到去雨后的图像。

现有图像去雨算法取得了一定的效果，但仍然存在以下问题：(1)有雨图像中雨线与背景图像纹理之间存在重叠现象，容易将背景图像中与雨线结构相似的纹理误判别为雨线，去雨后的图像产生过度平滑现象； (2)把雨线判别为背景图像，去雨不彻底；无雨图像与有雨层图像使用同一个字典进行稀疏表示，无法保证有雨原子与无雨原子的完全分离，稀疏重构后容易产生手工边缘。

综上，现有图像去雨方法无法实现有效区分有雨像素与无雨像素，无法兼顾图像复原快与恢复图像质量高的优点，具有一定的局限性。

发明内容

本发明提供一种单幅图像去雨方法及装置，用于提高具有雨痕的图像的去雨效果。

第一个方面提供一种单幅图像去雨方法，包括：

识别待处理图像中的纯雨区域；

将所述纯雨区域作为输入进行字典学习及其稀疏表示，获得有雨字典；

根据所述有雨字典对所述待处理图像进行稀疏重构，获得雨痕掩模；

根据所述雨痕掩模对所述待处理图像进行去雨处理，获得目标图像。

可选地，所述待处理图像为高频灰度图像。

可选地，所述识别待处理图像中的纯雨区域，包括：

根据雨痕边缘像素的梯度特征，提取所述高频灰度图像中的所述纯雨区域。