[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

摘要

本发明公布了一种基于字典训练和稀疏表示的合成雨图除雨方法，通过改进应用于图像超分辨率重建的方法，使其应用于合成雨图的除雨恢复。在训练阶段运用一幅纯雨模板对一组无雨图像加雨，构造“有雨‑无雨”训练集并通过训练得到有雨字典和无雨字典；在测试阶段运用另一幅纯雨模板对测试无雨图像进行加雨得到测试合成雨图，基于有雨字典对其进行稀疏表示得到其稀疏表示系数。同样基于有雨字典得到第三幅不同的纯雨模板的稀疏表示系数，再将两个稀疏表示系数相减进一步去除表示系数中的涉雨成分。最后，将相减后的稀疏表示系数与训练出的无雨字典结合，得到测试合成雨图的最终除雨结果。本发明在对图像除雨的同时能够较好地保护图像中的细节信息。

主权项

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。