首页|联合形态学滤波和卷积稀疏编码的图像去雨

联合形态学滤波和卷积稀疏编码的图像去雨

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Image deraining algorithm based on morphological filtering and convolution sparse coding

黄淑英、许亚婷、杨勇、管巨伟

展开 >

天津工业大学计算机科学与技术学院,天津 300387

江西财经大学软件与物联网工程学院, 南昌 330032

江西财经大学信息管理学院, 南昌 330032

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)

国家自然科学基金国家自然科学基金江西省自然科学基金江西省自然科学基金

618620306207221820192ACB2000220192ACBL21008

2022

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2022.27(5)
  • 1
  • 3