[发明专利]基于暗通道和模糊宽度学习的单幅图像去雨方法及装置

权利要求书

1.一种基于暗通道和模糊宽度学习的单幅图像去雨处理方法，其特征在于，包括：

步骤S1：对原始图像去雾预处理，

步骤S2：将去雾预处理后图像进行高低频分离，取高频部分进行颜色空间的转换，从RGB颜色空间转换为YCbCr颜色空间，

步骤S3：将训练集部分的图像对应的YCbCr颜色空间的Y通道作为模糊宽度学习的输入进行模型训练，

步骤S4：将测试集部分的图像对应的YCbCr颜色空间的Y通道作为模糊宽度学习的输入，得到Y通道的无雨图，

步骤S5：将Y通道的无雨图与Cb通道Cr通道合成为高通层去雨图，并将步骤S2中得到的低频部分作为低通基础层，将高通层去雨图和低通基础层结合得到初步的去雨效果图，

步骤S6：基于去雾预处理后图像，对初步的去雨效果图进行优化处理，得到最终的去雨效果图；

所述步骤S6具体包括：

步骤S61：利用高斯高通滤波器从去雾预处理后图像中提取出图像细节部分，

步骤S62：将提取出的细节部分透明度调至设定比例，

步骤S63：将调整透明度之后的细节部分作为混合色叠加至作为基色的初步的去雨效果图上得到最终的去雨效果图。

2.根据权利要求1所述的一种基于暗通道和模糊宽度学习的单幅图像去雨处理方法，其特征在于，所述步骤S1中去雾预处理后的结果为：

其中：Fr(x)为去雾预处理之后的图像，F(x)为原始图像，A为全球大气光亮，tr(x)为透射率，T0为设置为0.1的一个阈值。

3.根据权利要求1所述的一种基于暗通道和模糊宽度学习的单幅图像去雨处理方法，其特征在于，所述设定比例为30％，调整透明度后的细节部分具体为：

I_deT＝(I_de×Alpha+127)/255

其中：I_deT为调整透明度后的细节部分，Alpha为透明度，I_de为原始细节部分。

4.根据权利要求3所述的一种基于暗通道和模糊宽度学习的单幅图像去雨处理方法，其特征在于，所述步骤S63中的叠加过程的数学表达式为：

其中：B为最终的去雨效果图，I_pre为去雨细节层与基础层相结合得到的初步去雨效果图。

5.一种基于暗通道和模糊宽度学习的单幅图像去雨处理装置，其特征在于，包括存储器、处理器，以及存储于存储器中并由所述处理器执行的程序，所述处理器执行所述程序时实现以下步骤：

步骤S1：对原始图像去雾预处理，

步骤S2：将去雾预处理后图像进行高低频分离，取高频部分进行颜色空间的转换，从RGB颜色空间转换为YCbCr颜色空间，

步骤S3：将训练集部分的图像对应的YCbCr颜色空间的Y通道作为模糊宽度学习的输入进行模型训练，

步骤S4：将测试集部分的图像对应的YCbCr颜色空间的Y通道作为模糊宽度学习的输入，得到Y通道的无雨图，

步骤S5：将Y通道的无雨图与Cb通道Cr通道合成为高通层去雨图，并将步骤S2中得到的低频部分作为低通基础层，将高通层去雨图和低通基础层结合得到初步的去雨效果图，

步骤S6：基于去雾预处理后图像，对初步的去雨效果图进行优化处理，得到最终的去雨效果图；

所述步骤S6具体包括：

步骤S61：利用高斯高通滤波器从去雾预处理后图像中提取出图像细节部分，

步骤S62：将提取出的细节部分透明度调至设定比例，

步骤S63：将调整透明度之后的细节部分作为混合色叠加至作为基色的初步的去雨效果图上得到最终的去雨效果图。

6.根据权利要求5所述的一种基于暗通道和模糊宽度学习的单幅图像去雨处理装置，其特征在于，所述步骤S1中去雾预处理后的结果为：

其中：Fr(x)为去雾预处理之后的图像，F(x)为原始图像，A为全球大气光亮，tr(x)为透射率，T0为设置为0.1的一个阈值。