[发明专利]一种基于多尺度混合指数模型的视频去雨方法

权利要求书

1.一种基于多尺度混合指数模型的视频去雨方法，其特征在于，包括如下步骤：

步骤S1，获取原始雨视频信息，根据雨视频的结构特性，构造成多尺度雨视频模型；

步骤S2，原始雨视频成分分解，包括将不同尺度雨视频分别分解，得到雨信息，背景以及前景；

步骤S3，对不同尺度信息，分别根据雨视频的背景信息具有低秩特性，基于低秩分解的方法，构造雨视频背景模型；

步骤S4，对不同尺度信息，分别根据视频前景的运动特性构建前景运动物体检测模型，

步骤S5，对不同尺度信息，分别根据雨视频中雨条纹的结构特性，构造基于混合指数模型的初始雨统计模型如下，

其中，π_k表示混合比，且π_k≥0，K是雨信息中不同形状的指数模型的数量，μ表示指数分布的精度参数，μ_k表示第k个指数模型的精度参数；p表示指数分布的形状参数，γ()表示伽马函数，f_k(e_ij；0；μ_k)表示第k个指数模型；e_ij表示在视频矩阵横坐标为i，纵坐标为j处的雨信息，P(e_ij)表示参数变量为e_ij的函数，exp{}表示以自然常数为底的指数函数，|e_ij|表示e_ij的绝对值；

步骤S6，对不同尺度信息，分别基于步骤S3-S5所得结果，建立单一尺度下的雨视频的统计模型；

步骤S7，以步骤S1中的原始雨视频作为输入，结合步骤S6中构造的单一尺度下的雨视频统计模型，用最大期望迭代优化算法优化模型，获得去雨后视频；

步骤S8，对各个尺度的去雨视频采用金字塔分解重构，并加和平均获得最终的去雨视频。

2.根据权利要求1所述基于多尺度混合指数模型的视频去雨方法，其特征在于：步骤S1中，将原始视频信息分解成多尺度形式，当分解为两个尺度信息时，

O＝O₁+O₂

其中，O表示原始视频信息，O₁和O₂分别表示原始视频信息分解成的不同尺度信息。

3.根据权利要求2所述基于多尺度混合指数模型的视频去雨方法，其特征在于：步骤S2中，对任一尺度信息O₁，分解如下

O₁＝R+B+M

其中，R,B,M分别表示视频的雨信息，背景以及前景。

4.根据权利要求3所述基于多尺度混合指数模型的视频去雨方法，其特征在于：步骤S3中，构造雨视频背景模型如下，

B＝UV^T

其中，U,V为单一尺度视频信息的低秩分解参数，V^T表示V的转置矩阵。

5.根据权利要求4所述基于多尺度混合指数模型的视频去雨方法，其特征在于：步骤S4中，对任一尺度信息O₁，构建前景运动物体检测模型

其中，为哈达玛乘积算子，表示矩阵对应元素逐项相乘；O₁为原始输入视频的某一尺度信息，矩阵H用来表示视频某一像素点是否存在运动物体，当视频中，某一像素点有移动前景时，H取值为1；H^⊥表示H的正交补，且H^⊥+H＝1；表示O₁中存在移动前景的部分，表示O₁中不存在移动前景的部分。