[发明专利]一种基于字典训练和稀疏表示的合成雨图除雨方法

权利要求书

1.一种基于字典训练和稀疏表示的合成雨图除雨方法，其特征在于：在训练阶段，运用纯雨模板I对一组清晰无雨图像进行加雨，用以构造“有雨-无雨”图像训练集，通过联合学习的方式训练出关键的无雨字典D_h和对应的有雨字典D_l；在测试阶段，当输入一幅运用另一幅纯雨模板U加雨得到的测试合成雨图时，基于有雨字典D_l就可以得到其相应的稀疏表示系数α，基于同样的有雨字典D_l得到第三幅纯雨模板V的稀疏表示系数β，再通过α减β的方式进一步去除表示系数α中的涉雨成分，以得到关键的稀疏表示系数γ，再结合上述无雨字典D_h，可反向估算出测试合成雨图除雨后的最终结果图像；

上述三种纯雨模板虽然各不相同，但其在雨滴形式上需相差不大，而雨滴分布可以各不相同。

2.如权利要求1所述的一种基于字典训练和稀疏表示的合成雨图除雨方法，其特征在于，所述方法包括以下步骤：

步骤一，训练及测试图像的加雨处理：运用一幅纯雨模板I对一组清晰无雨图像进行加雨处理，以此来构造“有雨-无雨”图像训练集；同理，运用另一幅纯雨模板U对一幅清晰无雨测试图像进行加雨处理，得到待除雨的测试合成雨图；

步骤二，通过联合训练得到关键的学习字典：对上述构造的“有雨-无雨”图像集进行联合训练，充分学习它们之间的映射关系，从而得到关键的有雨字典D_l和无雨字典D_h；

步骤三，测试合成雨图和纯雨模板的稀疏表示：基于上述联合训练得到的有雨字典D_l，对测试合成雨图进行稀疏表示得到其稀疏表示系数α；取另一幅不同于训练和测试时所用的纯雨模板V，基于相同的有雨字典D_l对其进行稀疏表示，得到纯雨模板V的稀疏表示系数β；

步骤四，测试合成雨图的稀疏表示系数中涉雨成分的进一步去除：用测试合成雨图的稀疏表示系数α，减去与之前加雨不同的纯雨模板V的稀疏表示系数β，得到测试合成雨图进一步去除涉雨成分后的稀疏表示系数γ；

步骤五，基于无雨字典的测试合成雨图除雨恢复：测试合成雨图的稀疏表示系数进一步去除涉雨成分后，结合训练后的无雨字典D_h进行基于稀疏表示的图像除雨恢复，得到测试合成雨图的除雨后的最终结果图像。

3.如权利要求2所述的一种基于字典训练和稀疏表示的合成雨图除雨方法，其特征在于：

步骤二中对训练集合中合成的雨图先进行特性提取得到其特征图像，再将其特征图像进行分块后参与训练；而对训练集合中的清晰无雨图像，对其图像直接进行分块，再将图像块减去其各自均值参与训练；步骤三、步骤四中先对测试合成雨图进行特征提取得到其特征图像，再对其特征图像进行分块后参与除雨运算，步骤五将得到的各个除雨处理后的图像块进行融合，获得最终的图像除雨结果。

4.如权利要求2所述的一种基于字典训练和稀疏表示的合成雨图除雨方法，其特征在于：

所述步骤一中训练及测试图像的加雨的具体方法为：先用滤波方法将纯雨模板I中的雨滴最大限度地滤出以得到雨滴图像，再用该雨滴图像与无雨图像采用逐像素点相加的方式进行加雨，从而实现对无雨图像的加雨处理。

5.如权利要求2所述的一种基于字典训练和稀疏表示的合成雨图除雨方法，其特征在于：

在训练阶段选取同一幅纯雨模板为一组清晰无雨图像进行加雨，从而得到相对应的“有雨-无雨”图像集；在测试阶段选取与训练阶段不同的另一幅纯雨模板用以生成测试合成雨图，此外，选取与前面两种纯雨模板不同的第三幅纯雨模板参与去除测试合成雨图的稀疏表示系数中涉雨成分。