一种基于稀疏与低秩矩阵分解的单幅图像去雨方法技术

本发明专利技术提供的一种基于稀疏与低秩矩阵分解的单幅图像去雨方法，具有这样的特征，包括以下步骤：步骤一，输入含雨图像，先将含雨图像分解成8×8的图像小块，取以图像小块中心为原点，4个像素偏移的8个图像小块共同组成输入矩阵，对输入矩阵进行稀疏与低秩矩阵分解，低秩矩阵作为第低频成分，稀疏矩阵作为高频成分；步骤二，将高频成分分为若干互有重叠的高频子块，通过字典学习方法学习出一个字典,再将字典根据HOG特征分成雨部分字典和几何部分字典；步骤三，当得到雨部分字典和几何部分字典后，将高频图像分为若干无重叠的图像子块，每一个图像子块都会被表示成几何成分和雨成分，再将几何成分和雨成分中的几何部分相加，合并成为去雨后的输出图像。

【技术实现步骤摘要】
一种基于稀疏与低秩矩阵分解的单幅图像去雨方法
本专利技术涉及计算机视觉领域，特别涉及一种基于稀疏与低秩矩阵分解的单幅图像去雨方法。
技术介绍
近年来，随着计算机科学与技术的飞速发展，室外视觉系统被广泛的应用于交通监控、驾驶辅助系统等领域。但是恶劣天气，例如雨、雪、雾等，会导致拍摄得到的图像对比度降低、图像模糊、细节信息丢失，严重影响了户外视觉系统的性能。其中，雨天作为生活中一种常见的恶劣天气，对雨天中拍摄得到的图像进行去雨等清晰化处理具有重要的现实意义和广泛的应用价值。根据研究去雨的不同方法，可以把这些方法分为两个方向：基于视频的去雨方法和基于单幅图像的去雨方法。其中，基于视频的去雨方法通常需要大量连续帧的图像信息。Garg和Nayar[1-2]提出了一种基于视频检测和去除雨痕迹的方法。他们通过雨滴的光学特性和时空相关特性检测视频中受雨影响的像素，这种方法需要多帧图像信息并且在检测雨痕迹时很耗时，在大雨情况下检测效果较差。此后，很多研究工作将基于他们提出的方法，并且在视频去雨中取得了较好的结果。但是，当仅能提供单幅图像时，比如由相机拍摄得到的图片，基于视频的方法就不适用了。相比于视频本文档来自技高网...

【技术保护点】
一种基于稀疏与低秩矩阵分解的单幅图像去雨方法,其特征在于，包括以下步骤：步骤一，输入含雨图像，先将所述含雨图像分解成8×8的图像小块，取以所述图像小块中心为原点，4个像素偏移的8个所述图像小块共同组成输入矩阵，对所述输入矩阵进行稀疏与低秩矩阵分解，低秩矩阵作为第低频成分，稀疏矩阵作为高频成分；步骤二，将所述高频成分分为若干互有重叠的高频子块，通过字典学习方法学习出一个字典,再将所述字典根据HOG特征分成雨字典和几何部分字典；以及步骤三，当得到所述雨字典和所述几何部分字典后，将高频图像分为若干无重叠的图像子块，每一个所述图像子块都会被表示成几何成分和雨成分，再将所述几何成分和所述雨成分中的几何部...

【技术特征摘要】
1.一种基于稀疏与低秩矩阵分解的单幅图像去雨方法,其特征在于，包括以下步骤：步骤一，输入含雨图像，先将所述含雨图像分解成8×8的图像小块，取以所述图像小块中心为原点，4个像素偏移的8个所述图像小块共同组成输入矩阵，对所述输入矩阵进行稀疏与低秩矩阵分解，低秩矩阵作为第低频成分，稀疏矩阵作为高频成分；步骤二，将所述高频成分分为若干互有重叠的高频子块，通过字典学习方法学习出一个字典,再将所述字典根据HOG特征分成雨字典和几何部分字典；以及步骤三，当得到所述雨字典和所述几何部分字典后，将高频图像分为若干无重叠的图像子块，每一个所述图像子块都会被表示成几何成分和雨成分，再将所述几何成分和所述雨成分中的几何部分相加，合并成为去雨后的输出图像。2.根据权利要求1所述的一种基于稀疏与低秩矩阵分解的单幅图像去雨方法，其特征在于：其中，所述稀疏与低秩矩阵分解的目标函数为：D表示一组输入数据，Z表示低秩矩阵，E表示稀疏矩阵。3.根据权利要求2所述的一种基于稀疏与低秩矩阵分解的单幅图像去雨方法，其特征在于：其中，每一个含...

【专利技术属性】
技术研发人员：邓君坪，吴晓良，崔维成，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：上海,31