一种针对去雨图像的多级迭代协同表示的后处理方法技术

本发明专利技术公开了一种针对去雨图像的多级迭代协同表示的后处理方法，包括步骤：获取初始图像集，初始图像集包括若干组去雨图像和对应的无雨图像，其中，去雨图像为有雨图像经过去雨预处理算法后得到的图像，无雨图像为对应场景采集到的未包含雨条信息的图像；构建算法矩阵去除误匹配；获取去除误匹配后的图像，并以此构建去雨网络数据，基于其获取最终的去雨图像。本发明专利技术将Hessian

【技术实现步骤摘要】
一种针对去雨图像的多级迭代协同表示的后处理方法


[0001]本专利技术涉及图像处理领域，具体为一种针对去雨图像的多级迭代协同表示的后处理方法。

技术介绍

[0002]在复杂的雨天下捕捉到的图片经常会受到雨滴的干扰，从而降低可见度，尤其是在大雨天，各个方向的雨水会导致背景变得朦胧，降低了图像的视觉效果，严重干扰了许多计算机视觉应用的工作，如影响目标检测、图像分割等任务的准确性，因此如何有效地去除雨水天气对图像成像产生的干扰、改善图像质量，具有非常重要的实际应用价值。
[0003]现有技术提供了多种图像去雨方法，如基于传统数学建模去除雨条、利用深度学习网络学习雨条特征(CN202210278399.4)、基于生成对抗网络的图像去雨方法(CN202210763079.8)等。
[0004]但是上述方法在处理时极易模糊掉一些图像细节，进而导致无法有效恢复图像中被模糊掉的细节信息，如目标的纹理、边缘等信息，而且其处理效率及精度较低，因此需要设计一个精度、鲁棒性和效率方面都有优势的针对去雨图像的多级迭代协同表示的后处理方法。
专利技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对去雨图像的多级迭代协同表示的后处理方法，其特征在于，包括步骤：S1：获取初始图像集，初始图像集包括若干组去雨图像和对应的无雨图像，其中，去雨图像为有雨图像经过去雨预处理算法后得到的图像，无雨图像为对应场景采集到的未包含雨条信息的图像；S2：构建算法矩阵去除误匹配；S3：获取去除误匹配后的图像，并以此构建去雨网络数据，基于其获取最终的去雨图像。2.根据权利要求1所述的一种针对去雨图像的多级迭代协同表示的后处理方法，其特征在于：所述S1中具体包括：S101：基于初始图像集给定一组图像，每组图像至少包括两幅去雨图像及无雨图像，从两幅图像中提取独立的关键点集，关键点集即为图像中关键点的位置坐标，通过提取关键点并形成特征描述符；S102：比对上述两幅关键点集合的特征描述符相似性度量，并得到初始图像集。3.根据权利要求1所述的一种针对去雨图像的多级迭代协同表示的后处理方法，其特征在于：所述S2中具体包括：S201：采用Hessian
‑
Affine特征点检测算法和SIFT局部特征描述子对图像进行特征检测和描述，提取尺度及不变量特征点；S202：利用关键点的局部不变量信息与关键点的位置信息构造矩阵，此矩阵描述了匹配关键点的位置坐标和局部结构；S203：进行假定匹配，即定义表示局部结构变化的兼容性误差来度量差异；S204：根据假定匹配的兼容性排序构建邻域，并将其邻域内的特征聚合并构建图特征，该图特征即为该假定匹配的邻域元素特征；S205：提取假定匹配与其邻域的拓扑信息；S206：将上述获得的拓扑信息作为假定匹配的分类特征进行分类，以去除误匹配。4.根据权利要求1所述的一种针对去雨图像的多级迭代协同表示的后处理方法，其特征在于：所述S201中基于Hessian
‑
Affine特征点检测算法进行图像特征检测和描述的过程包括：采用Hessian
‑
Affine特征点检测算法对图片i进行检测，获得相应的局部特征点集p
i
＝{p
i
，1，
…

【专利技术属性】
技术研发人员：胡远光，
申请(专利权)人：北京开运联合信息技术集团股份有限公司，
类型：发明
国别省市：