Based on multi-scale convolution sparse coding, a video de-snow method is proposed. Under the assumption of low-rank background, the rain and snow components and moving foreground are estimated simultaneously. Firstly, the video data containing rain and snow noise are acquired to initialize the model; the rain and snow map generation model is established according to the characteristics of rain and snow and video foreground; and the multi-scale rolling of rain and snow is established according to the structural characteristics of rain and snow imaging in video, that is, the moving rain and snow are repeatable and multi-scale local blocks of rain and snow strips in the image. Sparse coding model; moving object detection model based on the characteristics of sparse video foreground; the model is integrated into a snow/rain removal model under the maximum likelihood estimation framework; the snow/rain removal video and other statistical variables are obtained by using snow/rain removal video and snow removal model, and the snow/rain removal video is output. The invention aims to establish a high quality video snow removal model based on the principle of rain and snow generation and the structure characteristics of rain and snow noise, thereby more accurately enabling the video snow removal technology to be widely used in more complex actual scenes.
【技术实现步骤摘要】
一种基于多尺度卷积稀疏编码的视频去雨雪方法
本专利技术涉及一种户外拍摄影像的视频图像处理技术,具体涉及一种多尺度卷积稀疏编码的视频去雨雪方法。
技术介绍
随着国家“天眼”工程的深入,室外监控视频发挥着越来越强的安保功能。但是由于室外拍摄系统的拍摄时常遭受恶劣天气(如雨、雪、雾)的影响,使得拍摄视频或图像的细节被破坏,背景部分被高亮的雨滴、雨条、雪块遮挡,导致无法利用拍摄的影像进行进一步的处理操作,如行人再识别、目标检测、图像分割与识别等。因此,视频图像去雨雪成为计算机视觉领域近年来兴起的一项技术。在保留视频图像细节的前提下,去雨雪技术对室外的视频图像进行处理,最大限度地恢复受影响的视频和图像,从而允许计算机视觉算法对视频图像精确地进行进一步的分析。去雨雪技术可以被总结归为两大类,基于频域信息的分析方法和基于时域信息的分析方法。基于频域信息的分析方法将图像变换到频域空间,将雨雪看成图像中的高频成分进行去除;基于时域信息的分析方法主要利用了图像中的雨雪具有的几类特性,如亮度特性,形状特性,色彩特性,空间特性等。在视频去雨雪方法中,一类方法基于雨雪的亮度特性,由于雨雪提高了视频背景的亮度,从而利用相邻帧之间的像素差判断该像素点是否被雨覆盖,但此类方法无法适用于大雨雪场景以及有移动前景的场景。由于雨雪的多样性和随机性,精确地分辨雨雪一直是去雨雪问题的关键。为了克服这类难题,许多去雨雪方法被相继提出:一类是基于概率的去雨雪方法,该方法通过统计雨雪引起像素值波动的规律进行雨雪初检,再对初检结果进行微调检测;一类是基于结构特性对雨雪进行建模的方法,如根据随机场刻画雨雪运 ...
【技术保护点】
1.一种基于多尺度卷积稀疏编码的视频去雨雪方法,其特征在于包括如下步骤:步骤S1:获取雨雪视频X∈Rh×w×T并初始化模型变量及参数,其中h,w为视频的长宽,T为视频帧数;步骤S2:根据视频中雨雪的结构特性构造多尺度卷积稀疏编码的雨雪检测模型;步骤S3:根据视频前景支撑的结构特性和统计特性构建运动物体检测模型;步骤S4:根据监控视频背景的低秩特性构建视频背景恢复模型;步骤S5:在最大似然框架下整合步骤S2‑S4中子模型为完整的视频去雨雪统计模型,并用迭代优化算法交替优化模型;步骤S6:以步骤S1获得的原雨雪视频为输入,应用基于多尺度卷积稀疏编码的去雨雪算法,获得去雨雪视频及其他统计变量。
【技术特征摘要】
1.一种基于多尺度卷积稀疏编码的视频去雨雪方法,其特征在于包括如下步骤:步骤S1:获取雨雪视频X∈Rh×w×T并初始化模型变量及参数,其中h,w为视频的长宽,T为视频帧数;步骤S2:根据视频中雨雪的结构特性构造多尺度卷积稀疏编码的雨雪检测模型;步骤S3:根据视频前景支撑的结构特性和统计特性构建运动物体检测模型;步骤S4:根据监控视频背景的低秩特性构建视频背景恢复模型;步骤S5:在最大似然框架下整合步骤S2-S4中子模型为完整的视频去雨雪统计模型,并用迭代优化算法交替优化模型;步骤S6:以步骤S1获得的原雨雪视频为输入,应用基于多尺度卷积稀疏编码的去雨雪算法,获得去雨雪视频及其他统计变量。2.根据权利要求1所述的基于多尺度卷积稀疏编码的视频去雨雪方法,其特征在于:所述步骤S1中,对获取的雨雪视频X∈Rh×w×T分解为:X=B+F+R其中,B,F,R∈Rh×w×T分别表示视频的背景,前景和雨雪层。3.根据权利要求1所述的基于多尺度卷积稀疏编码的视频去雨雪方法,其特征在于:所述步骤S2中,视频中雨雪的局部模式具有多尺度性和可重复性的结构特性,依据上述雨雪的特性用多尺度卷积稀疏编码来表示视频中的雨雪层信息:其中,R为视频的雨雪层;为卷积算子,为一系列卷积核,其表示了雨雪层局部模式的可重复性;为一系列特征图,其近似定位了雨雪的位置;K表示卷积核总共有K个尺度,其中第k个尺度有nk个卷积核,由雨雪在视频中的稀疏性可知:近似定位雨雪位置的特征图也是稀疏的,则根据特征图的稀疏性构建基于多尺度卷积稀疏编码的雨雪检测模型:其中,l(·,·)是用来度量两段视频之间相似性的损失函数。4.根据权利要求1所述的基于多尺度卷积稀疏编码的视频去雨雪方法,其特征在于:所述步骤S3中,根据视频前景支撑将视频分解为移动的前景和不动的背景两部分,形式如下:其中,为哈达玛乘积算子,其含义为矩阵对应元素逐项相乘,X为输入视频,H∈Rh×w×T为视频的移动前景支撑,其定义为:即H在视频中有移动前景的像素点处取值为1,其他地方取值为0,记H⊥代表H的正交补,即:H+H⊥=1,代表原视频中无移动前景的部分。5.根据权利要求1所述的基于多尺度卷积稀疏编码的视频去雨雪方法,其特征在于:所述步骤S3中,根据视频中前景支撑的相对光滑稀疏特性和其前后帧的相似性构建以下运动物体检测模型来区分视频的前景目标:其中,F∈Rh×w×T为视频中的前景部分,l(·,·)是用来度量两段视频之间相似性的损失函数,3DTV代表对视频前后帧的三个方向右、下、后做全变分。6.根据权利要求1所述的基于多尺度卷积稀疏编码的视频去雨雪方法,其特征在于:所述步骤S4中,监控视频背景具有低秩性:B=Fold(UVT)其中,U、V为视...
【专利技术属性】
技术研发人员:孟德宇,李明晗,赵谦,谢琦,
申请(专利权)人:西安交通大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。