[发明专利]一种便于智能车辆驾驶的图像去雨方法

权利要求书

1.一种便于智能车辆驾驶的图像去雨方法，其特征在于，包括以下步骤：

S1、通过智能车辆中的摄像头采集原始带雨图像；

S2、将原始带雨图像进行高低频分离，得到高频带雨图像和低频带雨图像；

S3、将高频带雨图像和低频带雨图像分别通过对应的卷积神经网络处理，获得对应的高频无雨图像和低频无雨图像；

S4、将高频无雨图像和低频无雨图像进行融合，获得去雨后的图像；

所述步骤S2具体为：

通过导向性滤波器对原始带雨图像进行同向性滤波处理，得到低频带雨图像，然后用原始带雨图像减去低频带雨图像，获得高频带雨图像；

所述导向性滤波器公式为：

式中，q_i为导向性滤波器输出的低频带雨图像；

|w|为引导图像的窗口w_k中像素的数量；

a_k、b_k均为当窗口w_k中心位于k时刻该线性函数的系数；

I_i为导向性滤波器的引导图像；

所述导向性滤波器的引导图像为原始带雨图像；

所述窗口w_k中心位于k时刻该线性函数的系数a_k和b_k分别为：

b_k＝(1-a_k)μ_k

式中，为引导图像窗口w_k的方差；

ε为正则项；

μ_k为引导图像窗口w_k的平均值；

在所述引导图像的高方差区域，a_k＝1，b_k＝0；

在所述引导图像的平滑区域，a_k＝0，b_k＝μ_k；

所述步骤S3中，将所述高频带雨图像通过重量级卷积神经网络进行处理，获得对应的高频无雨图像；

将所述低频带雨图像通过轻量级卷积神经网络进行处理，获得对应的低频无雨图像；

所述重量级卷积神经网络包括依次连接的7×7的卷积层、第一池化层、第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块和平均池化层；

所述第一卷积模块包括依次连接的3组第一卷积单元，每组所述第一卷积单元包括两个依次连接的第一3×3卷积层；

每个所述第一3×3卷积层的步长均为2，输出通道个数均为64；

所述第二卷积模块包括依次连接的4组第二卷积单元，每组所述第二卷积单元均包括两个依次连接的第二3×3卷积层；

每个所述第二3×3卷积层的步长均为2，输出通道个数均为128；

所述第三卷积模块包括依次连接的6组第三卷积单元，每组所述第三卷积单元均包括两个依次连接的第三3×3卷积层；

每个所述第三3×3卷积层的步长均为2，输出通道个数均为256；

所述第四卷积模块包括依次连接的3组第四卷积单元，每组所述第四卷积单元均包括两个依次连接的第四3×3卷积层；

每个所述第四3×3卷积层的步长均为2，输出通道个数均为512；

所述轻量级卷积神经网络包括依次连接的输入层、第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层、第四卷积层、第五卷积层、第三最大池化层、第一全连接层、第二全连接层和第三全连接层。

2.根据权利要求1所述的便于智能车辆驾驶的图像去雨方法，其特征在于，所述输入层输入的低频带雨图像的尺寸为3×3；

所述第一卷积层的卷积核个数为96，输出图像尺寸为5×5×48；

所述第二卷积层的卷积核个数为256，输出图像尺寸为3×3×48；

所述第三卷积层的卷积核个数为384，输出图像尺寸为3×3×192；

所述第四卷积层的卷积核个数为384，输出图像尺寸为3×3×192；

所述第五卷积层的卷积核个数为256，输出图像尺寸为3×3×192。