一种基于小波分析的图像去雨方法及系统技术方案

本发明专利技术属于图像处理技术领域，尤其涉及一种基于小波分析的图像去雨方法及系统。所述基于小波分析的图像去雨方法包括：步骤a：根据小波分析对视频帧图像进行图层分解，并分析各个分解图层的图像信息；步骤b：计算融合系数矩阵，根据所述融合系数矩阵对不同图像信息的分解图层分别进行小波融合，并根据融合结果进行图像重构得到去雨图像；步骤c：利用各向异性扩散滤波对所述去雨图像进行滤波处理。本发明专利技术的实施可以避免受到动态特性的干扰，更加准确有效的去除雨滴，提高了去雨算法的使用范围，在雨势很大的情况下也能有良好的去雨效果；并通过各向异性扩散滤波对去雨图像进行滤波处理，使图像更加清晰自然，并使得去雨算法更加具有实用性。

【技术实现步骤摘要】

本专利技术属于图像处理
，尤其涉及一种基于小波分析的图像去雨方法及系统。
技术介绍
雨对图像成像有很大的影响，会造成图像成像模糊和信息覆盖，其直接结果是视频图像的清晰度下降，视频图像的数字化处理也会受此影响而性能下降。对受雨滴污染的视频图像进行修复处理有利于图像的进一步处理，包括基于图像的目标检测、识别、追踪、分割和监控等技术的性能提高。而且视频基于小波分析的图像去雨技术在现代军事、交通以及安全监控等领域都有广泛的应用前景。有关视频图像中雨滴特性的研究已受到国际学术界的广泛关注，去雨算法的研究也从2003年Starik等(Starik S,Werman M.Simulation of rainin videos[C]Proceeding of Texture Workshop,ICCV.Nice,France:2003,2:406-409)提出的中值法开始得到了迅速的发展，处理的方法已经不再局限于最初简单的中值计算，偏度计算、K均值聚类、卡尔曼滤波、字典学习和稀疏编码、引导滤波、帧间亮度差、HSV空间、光流法、运动分割等很多方法也逐渐开始应用在视频图像中雨滴检测与去除的算法中，雨滴去除的效果也逐渐被提高。Garg等最先提出利用雨滴带来的帧间亮度差进行雨滴初检，然后利用雨滴的直线性和方向一致的特点进一步筛选，最后根据前后帧的像素亮度去除雨滴影响，可以较好地满足雨滴不覆盖连续帧图像情况下的雨滴检测与去除；Zhang等将雨滴给像素带来的色彩影响考虑在内，从而提高雨滴检测的准确性，改善了基于亮度变化的去雨算法在彩色图像上的应用效果；Liu等将雨滴的亮度影响和色彩影响同时应用在算法中，用两帧检测雨滴并去除；Tripathi等先研究雨滴像素亮度变化的概率统计特性，然后利用雨滴像素亮度变化的对称性实现雨滴检测，仅基于时域和另外考虑空间位置的影响时效果不完全相同；Kang等首先利用双边滤波将雨图分成高频部分和低频部分，并对高频部分进一步处理得到非雨成分，结合低频部分得到去雨图；Huang等首先利用上下文约束进行图像分割，并利用上下文感知进行单幅基于小波分析的图像去雨，并在此基础上提出了改进算法，文中首先用到了超完备的字典对高频部分进行处理。特别是最近几年，视频图像去雨技术已成为新的研究热点。如何在保证高鲁棒性的前提下提高去雨的准确率和实时性，是目前视频图像去雨领域的焦点。目前存在的算法中，应用于静态场景视频雨滴检测与去除的算法有较为成熟的研究成果，但是应用在动态场景中的视频上时，算法考虑的是视频中出现运动物体所带来的干扰，对于与雨滴特性区别度不高的运动物体无法达到理想的检测效果。此外，实时处理在多项技术应用的自动导航系统、安全监控系统等场合中有很大的应用需求。这些应用场合中往往需要及时得到处理结果，反馈给用户，视频处理的滞后有可能导致用户做出错误的判断。因此视频中雨滴检测与去除不仅需要提高精度，也需要提高处理速度，而且需要找到二者之间最佳平衡点。但是当前算法还无法兼顾各种场景的处理速度和精度，实现去雨算法的实时性是当前研究面对的一个重要课题。综上所述，现有的图像去雨技术存在的缺点在于：现有的图像去雨算法基本是基于像素亮度和雨滴形态特征进行去雨，去雨效果不是很理想；同时，现有的图像去雨技术对于动态场景的去雨效果不是很理想，算法复杂度和算法实时性也不能很好地兼顾。
技术实现思路
本专利技术提供了一种基于小波分析的图像去雨方法及系统，旨在解决现有的图像去雨技术对于动态场景的去雨效果不是很理想，且算法复杂度和算法实时性不能兼顾的技术问题。本专利技术是这样实现的，一种基于小波分析的图像去雨方法，包括：步骤a：根据小波分析对视频帧图像进行图层分解，并分析各个分解图层的图像信息；步骤b：计算融合系数矩阵，根据所述融合系数矩阵对不同图像信息的分解图层分别进行小波融合，并根据融合结果进行图像重构得到去雨图像；步骤c：利用各向异性扩散滤波对所述去雨图像进行滤波处理。本专利技术实施例采取的技术方案还包括：在所述步骤a中，所述根据小波分析对视频帧图像进行图层分解具体为：基于小波分析的Malla算法将所述视频帧图像分解为十层，Malla算法的分解公式为：Ci＝HcHrCi-1 D i 1 = G c H r C i - 1 ]]> D i 2 = H c G r C i - 1 ]]> D i 3 = G c G r C i - 1 ]]>在上述公式中，H和G分别是尺度函数φ(x)和小波函数ψ(x)的系数矩阵，Ci、和分别对应图像Ci-1的低频部分、垂直方向的高频部分、竖直方向的高频部分以及对角线方向的高频部分。本专利技术实施例采取的技术方案还包括：在所述步骤a中，所述分析各个分解图层的图像信息具体包括：所述图层包括包含雨滴噪声的图层、包含背景与颜色信息的图层以及包含图像纹理与物体边缘信息的图层，所述包含雨滴噪声的图层为第二到第四高频系数图层，所述包含图像背景与颜色信息的图层为第五到第十高频系数图层，所述包含图像纹理与物体边缘信息的图层为第一层图层。本专利技术实施例采取的技术方案还包括：在所述步骤b中，所述计算融合系数矩阵的计算方式为：根据雨滴的亮度特性定义雨滴污染程度系数，根据雨滴污染程度系数计算融合系数矩阵；所述计算融合系数矩阵具体为：令雨滴污染程度系数S＝G×E，其中，G为局部梯度，E为局部能量，局部梯度和局部能量两个参数相乘得到一个新的变量S，S值越大污染越严重；对S矩阵进行归一化处理得到S’，系数矩阵和S’矩阵用于对图像重构算法进行加权优化得到融合系数矩阵。本专利技术实施例采取的技术方案还包括：所述局部梯度G定义为： G = 1 M N Σ i = 1 M Σ j = 1 N Δ x f ( i , j ) 2 本文档来自技高网...

【技术保护点】
一种基于小波分析的图像去雨方法，其特征在于，包括：步骤a：根据小波分析对视频帧图像进行图层分解，并分析各个分解图层的图像信息；步骤b：计算融合系数矩阵，根据所述融合系数矩阵对不同图像信息的分解图层分别进行小波融合，并根据融合结果进行图像重构得到去雨图像；步骤c：利用各向异性扩散滤波对所述去雨图像进行滤波处理。

【技术特征摘要】
1.一种基于小波分析的图像去雨方法，其特征在于，包括：步骤a：根据小波分析对视频帧图像进行图层分解，并分析各个分解图层的图像信息；步骤b：计算融合系数矩阵，根据所述融合系数矩阵对不同图像信息的分解图层分别进行小波融合，并根据融合结果进行图像重构得到去雨图像；步骤c：利用各向异性扩散滤波对所述去雨图像进行滤波处理。2.根据权利要求1所述的基于小波分析的图像去雨方法，其特征在于，在所述步骤a中，所述根据小波分析对视频帧图像进行图层分解具体为：基于小波分析的Malla算法将所述视频帧图像分解为十层，Malla算法的分解公式为：Ci＝HcHrCi-1 D i 1 = G c H r C i - 1 ]]> D i 2 = H c G r C i - 1 ]]> D i 3 = G c G r C i - 1 ]]>在上述公式中，H和G分别是尺度函数φ(x)和小波函数ψ(x)的系数矩阵，Ci、和分别对应图像Ci-1的低频部分、垂直方向的高频部分、竖直方向的高频部分以及对角线方向的高频部分。3.根据权利要求2所述的基于小波分析的图像去雨方法，其特征在于，在所述步骤a中，所述分析各个分解图层的图像信息具体包括：所述图层包括包含雨滴噪声的图层、包含背景与颜色信息的图层以及包含图像纹理与物体边缘信息的图层，所述包含雨滴噪声的图层为第二到第四高频系数图层，所述包含图像背景与颜色信息的图层为第五到第十高频系数图层，所述包含图像纹理与物体边缘信息的图层为第一层图层。4.根据权利要求1所述的基于小波分析的图像去雨方法，其特征在于，在所述步骤b中，所述计算融合系数矩阵的计算方式为：根据雨滴的亮度特性定义雨滴污染程度系数，根据雨滴污染程度系数计算融合系数矩阵；所述计算融合系数矩阵具体为：令雨滴污染程度系数S＝G×E，其中，G为局部梯度，E为局部能量，局部梯度和局部能量两个参数相乘得到一个新的变量S，S值越大污染越严重；对S矩阵进行归一化处理得到S’，系数矩阵和S’矩阵用于对图像重构算法进行加权优化得到融合系数矩阵。5.根据权利要求4所述的基于小波分析的图像去雨方法，其特征在于，所述局部梯度G定义为： G = 1 M N Σ i = 1 M Σ j = 1 N Δ x f ( i , j ) 2 - Δ y f ( i , j ) 2 ]]>在上述公式中，Δxf(i,j)和Δyf(i,j)分别为点(i，j)的水平和垂直方向，M和N分别为区域的边长；所述像素的局部能量E表示为： E = 1 M N Σ i = 1 M Σ j = 1 N f ( i , j ) 2 . ]]>6.一种基于小波分析的图像去雨系统，其特征在于，包...

【专利技术属性】
技术研发人员：朱青松，袁杰，王磊，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44