[发明专利]一种基于静态雨纹的图像去雨方法及系统

权利要求书

1.一种基于静态雨纹的图像去雨方法，其特征在于，包括如下步骤：

构建图像训练数据库；其中，图像训练数据库中包括多对有雨-纯雨纹图像对；

根据图像训练数据库中的有雨-纯雨纹图像对，构建静态雨纹检测网络结构；

将待去雨图像进行滤波处理，获取待去雨图像的高频信息和低频信息；

将待去雨图像的高频信息输入到静态雨纹检测网络结构，得到雨纹高频信息；

将待去雨图像的高频信息减去雨纹高频信息，得到无雨图像的高频信息；

将无雨图像的高频信息与待去雨图像的低频信息相加，获得无雨图像。

2.根据权利要求1所述的基于静态雨纹的图像去雨方法，其特征在于：所述构建图像训练数据库包括如下步骤：

获取多张无雨图像和多张纯雨纹图像；

通过线性静态雨纹叠加模型，在无雨图像中加入纯雨纹图像，获取对应的线性有雨图像；

通过非线性静态雨纹混合模型，在无雨图像中加入纯雨纹图像，获取对应的非线性有雨图像；

通过区域相关降雨图像模型，在无雨图像中加入纯雨纹图像，获取对应的区域相关有雨图像；

根据无雨图像、纯雨纹图像、线性有雨图像、非线性有雨图像、以及区域相关有雨图像构建有雨-纯雨纹图像对。

3.根据权利要求2所述的基于静态雨纹的图像去雨方法，其特征在于：在构建有雨-纯雨纹图像对之后，还通过一个滑动窗口在每个图像对中随机滑动，并将与滑动窗口重合部分的图像切出，以随机扩充图像训练数据库，并以该随机扩充后的图像训练数据库中的有雨-纯雨纹图像对来构建用于静态雨纹检测网络结构。

4.根据权利要求1所述的基于静态雨纹的图像去雨方法，其特征在于：所述构建静态雨纹检测网络结构包括如下步骤：

将图像训练数据库中的每张图像均进行滤波处理，获取每张图像中的高频信息；

初始化静态雨纹检测网络结构的网络参数以及静态雨纹检测网络结构的构建次数；

以有雨-纯雨纹图像对作为一组训练样本，将一组训练样本中的有雨图像的高频信息输入到静态雨纹检测网络结构中，以输出纯雨纹图像，且将静态雨纹检测网络结构的构建次数增加1；

判断静态雨纹检测网络结构的构建次数是否满足设定条件，若满足，则判定完成静态雨纹检测网络结构的构建；否则，反向传播更新静态雨纹检测网络结构中的网络参数，并取下一组训练样本，继续训练静态雨纹检测网络结构。

5.根据权利要求4所述的基于静态雨纹的图像去雨方法，其特征在于：所述静态雨纹检测网络结构包含6个隐含层，1个输出层，其网络结构如下式所示：

h⁰＝I-I_lowfrequency

h^l＝σ(w^l*h^l-1+b^l)，l＝1，2，3，4，5，6

D^l＝DR(h^l)，l＝1，2，3，4

O＝(w^l*h^l-1+b^l)，l＝7

其中，h⁰为输入层，是输入有雨图像减去滤波后的对应低频有雨图像得到的高频有雨图像；l表示网络的层数，1，2，3，4，5，6为隐含层，7为输出层，O为静态雨纹检测网络的输出图像；D^l为Dropout层，Dropout层表示在每次网络的前向传导和反向传播的权值和偏置更新操作中，都在第l层随机选取(1-DR)％个神经元不进行权值和偏置的更新，其中，DR为dropout率，在训练时DR＝0.5，在检测时，DR＝1；*为图像的卷积操作；b^l为第l层的偏置参数；w^l为第l层的权重参数；σ为修正线性单元激活函数，其表达式为：f(x)＝max(0，x)。