联合形态学滤波和卷积稀疏编码的图像去雨

• 作者: 黄淑英 许亚婷 杨勇 管巨伟
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 图像去雨 自适应形态学滤波 全变分模型 方向梯度正则化 多尺度卷积稀疏编码(MS-CSC)
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 图像去雾去雨|Image defogging/deraining
• 页码范围: 1522-1536
• 页数: 15页
• 分类号: TP391
• 语种: 中文

摘要

目的 图像去雨技术是对雨天拍摄图像中雨纹信息进行检测和去除,恢复目标场景的细节信息,从而获得清晰的无雨图像.针对现有方法对雨纹信息检测不完全、去除不彻底的问题,提出一种联合自适应形态学滤波和多尺度卷积稀疏编码(multi-scale convolution sparse coding,MS-CSC)的单幅图像去雨方法.方法 考虑雨纹信息的形状结构特点,构造一种自适应形态学滤波器来滤除有雨图像中的雨纹信息,获得包含图像自身纹理的低频成分;利用全变分模型正则化方法来增强低频成分的纹理信息,并利用有雨图像减去低频成分获得包含雨纹信息的高频成分;针对高频成分,根据雨纹的方向性提出一种基于方向梯度正则化的MS-CSC方法来重构高频成分,并通过迭代求解获得包含精确雨纹的高频成分,即雨层;利用有雨图像减去雨层得到最终的去雨图像.结果 为验证本文方法的有效性,与一些主流的去雨方法进行实验比较.实验结果表明,本文方法在模拟数据集上的平均峰值信噪比(peak signal-to-noise ratio,PSNR)和平均结构相似度(structural similarity,SSIM)指标分别提高了0.95和0.0052,能得到较好的主观视觉效果和客观评价,特别是在真实数据集上具有明显优势.结论 本文方法可有效去除雨纹,同时可保留更多的原始图像纹理信息,经证明是一种有效的去雨算法.