單幅圖像中去除雨滴影響的方法和系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及數(shù)字圖像處理技術(shù)，特別是涉及一種單幅圖像中去除雨滴影響的方法和系統(tǒng)。
【背景技術(shù)】
[0002]由于擁有包括自動性、智能性、高效性等諸多優(yōu)點(diǎn)，戶外計(jì)算機(jī)視覺系統(tǒng)被廣泛使用在軍事國防、醫(yī)療技術(shù)、智能交通等領(lǐng)域。但是惡劣天氣會嚴(yán)重影響其性能，甚至導(dǎo)致其完全失效。所以消除惡劣天氣影響的有效方法，對于一個全天候的戶外視覺系統(tǒng)來說必不可少。在諸多惡劣天氣情況中，雨由于擁有較大粒子(雨滴)半徑及其他復(fù)雜物理特性，會對視覺系統(tǒng)所攝取的圖像的質(zhì)量造成較大程度的影響。圖像雨滴去除技術(shù)通過使用雨的物理、頻率等特性，對圖像中的雨滴進(jìn)行識別、去除。其不僅能夠顯著提升圖像質(zhì)量，還有利于圖像的進(jìn)一步處理。因此，圖像雨滴去除技術(shù)已經(jīng)成為計(jì)算機(jī)視覺領(lǐng)域不可缺少的關(guān)鍵性技術(shù)。
[0003]近些年來關(guān)于圖像中雨滴檢測與去除的研宄已然成為熱點(diǎn)。Starik等在2003年最早提出了時域均值的雨滴去除策略，作者認(rèn)為在視頻圖像序列中，雨滴對像素的影響只存在于少數(shù)幾幀中，故可直接對視頻幀進(jìn)行平均就可以得到去除了雨的影響的原圖像。遺憾的是，他們并沒有對方法進(jìn)行試驗(yàn)驗(yàn)證。Garg和Nayar最早使用了雨的動態(tài)及光度特性(K.Garg and S.K.Nayar, “Detect1n and removal of rain from videos, ” in Proc.1EEE Conf.Comput.Vis.Pattern Recognit., Jun.2004, vol.1, pp.528 - 535)，分別建立了兩種模型，并基于這兩個模型提出了檢測和去除雨的方法。對于雨的動態(tài)模型，其表明了雨在其下落方向具有時域相關(guān)性；對于光度模型，其分為靜態(tài)雨及動態(tài)雨模型。對于靜態(tài)雨滴，其亮度顯著高于其覆蓋的背景；對于動態(tài)雨滴(雨線)，其亮度由靜態(tài)雨滴亮度、背景亮度及相機(jī)曝光時間決定。之后，作者提出了一種使用幀差法進(jìn)行雨滴初檢，使用兩種特性進(jìn)行誤檢去除，并最終利用前后幀圖像信息進(jìn)行雨滴去除的方法。雖然此方法性能較好，但其對于嚴(yán)重失焦(遠(yuǎn)處)的雨、明亮背景上的雨及雨勢變化無法處理。2006年Zhang等人(Zhang X P, Li H, Qi Y Y, Leow W K, Ng T K.Rain removal in video by combiningtemporal and chromatic properties.1n:Proceedings of the 2006Internat1nalConferenceon Multimedia and Exp0.Toronto, Canada:1EEE, 2006.461:464)使用了雨的時域分布及色彩特性。由于雨的時域分布直方圖顯示兩個峰(分別代表雨滴亮度及背景亮度)，且近似構(gòu)成高斯混合模型，故非監(jiān)督學(xué)習(xí)方法一一K-means聚類能夠有效地對之進(jìn)行分離。之后，作者發(fā)現(xiàn)被雨滴影響像素的幀間RGB值的變化基本相同，故誤檢能夠進(jìn)一步被去除。此方法實(shí)驗(yàn)效果較好，但是在整個視頻利用聚類的方法辨別雨滴和背景，計(jì)算效率不高，不能進(jìn)行實(shí)時的處理。2007年Barnum等人(Barnum P C, Narasimhan SG,Kanade T.Analysis of rainand snow in frequency space.1nternat1-nal Journalof Computer Vis1n, 2010，86 (2:3): 256:274)注意到之前的多數(shù)方法嚴(yán)重依賴于清晰雨線的提取，而雨線由于會造成重復(fù)的模式，在頻域中對雨進(jìn)行分析是合理的。作者建立高斯模型來近似雨的影響，并通過求在三維傅里葉變換中的模型所占比例進(jìn)行雨滴檢測，進(jìn)而通過迭代去雨，最后反變換至視頻圖像。實(shí)驗(yàn)結(jié)果表明此種方法擁有較好的處理性能，但此方法的時間復(fù)雜度過高，且對于不顯眼的雨及雨勢變化的處理，其會出現(xiàn)顯著性能下降。
[0004]以上的基于單幅圖像的去雨方法，多僅能處理灰度圖像，且方法所需時間較長，例如最新的優(yōu)化算法(Chen等的方法)，處理特定單幅圖像的時間在10s以上，同時輸出圖像會出現(xiàn)一定程度上的模糊。
[0005]基于現(xiàn)有技術(shù)中單幅圖像雨滴去除技術(shù)的時間復(fù)雜度過高，不利于方法的推廣的缺點(diǎn)，有待進(jìn)一步地提尚圖像中的雨滴去除技術(shù)。

【發(fā)明內(nèi)容】

[0006]基于此，有必要針對現(xiàn)有技術(shù)存在的問題，提供一種單幅圖像中去除雨滴影響的方法和系統(tǒng)，其可以處理彩色圖像，且有效提高了圖像的處理速度。
[0007]一種單幅圖像中去除雨滴影響的方法，其包括:
[0008]基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夥▽Υ幚韴D像進(jìn)行圖像分解，提取所述待處理圖像的高頻部分，形成體現(xiàn)所述高頻部分信息的高頻特征圖；
[0009]識別所述待處理圖像中圖像元素的邊緣，獲得特征輪廓圖；
[0010]利用圖像形態(tài)學(xué)操作對所述邊緣內(nèi)的圖像區(qū)域進(jìn)行處理，獲得第一中間圖像；
[0011]從所述高頻特征圖中減去所述第一中間圖像，獲得雨線特征圖；
[0012]將所述待處理圖像與所述雨線特征圖相減，獲得去雨后的圖像。
[0013]在其中一個實(shí)施例中，所述方法還包括:
[0014]在所述去雨后的圖像上疊加所述特征輪廓圖，獲得修復(fù)后的圖像。
[0015]在其中一個實(shí)施例中，所述基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夥▽Υ幚韴D像進(jìn)行圖像分解、提取所述待處理圖像的高頻部分的過程包括以下步驟:
[0016]將所述待處理圖像映射到XOY平面，所述待處理圖像對應(yīng)像素的灰度值作為Z坐標(biāo)；
[0017]通過形態(tài)學(xué)方法識別出所述待處理圖像的局部極大值和極小值，獲得多個零散的極大值點(diǎn)和極小值點(diǎn)；
[0018]對所述多個零散的極大值點(diǎn)和極小值點(diǎn)分別進(jìn)行平面點(diǎn)集的三角剖分，再插值平滑得到極大值包絡(luò)曲面和極小值包絡(luò)曲面；
[0019]計(jì)算所述極大值包絡(luò)曲面和極小值包絡(luò)曲面的均值；
[0020]將所述待處理圖像中每個像素的灰度值減去所述均值，獲得分解圖像；
[0021]判斷所述分解圖像是否滿足篩選結(jié)束條件，若是，則將所述分解圖像作為所述高頻部分輸出；若否，則返回執(zhí)行所述通過形態(tài)學(xué)方法識別出所述待處理圖像的局部極大值和極小值的步驟。
[0022]在其中一個實(shí)施例中，所述將所述分解圖像作為所述高頻部分輸出的步驟之前還包括:
[0023]從所述待處理圖像中減去所述分解圖像，獲得當(dāng)前處理后的圖像；
[0024]判斷所述當(dāng)前處理后的圖像是否滿足圖像分解結(jié)束條件，若是則將所述分解圖像作為所述高頻部分輸出；
[0025]若否，則進(jìn)行下一次分解，返回執(zhí)行通過形態(tài)學(xué)方法識別出所述待處理圖像的局部極大值和極小值的步驟，直到滿足所述圖像分解結(jié)束條件，輸出多次分解獲得的所述分解圖像，作為所述高頻部分輸出。
[0026]在其中一個實(shí)施例中，所述識別所述待處理圖像中圖像元素的邊緣獲得特征輪廓圖的過程中基于圖像灰度采用普里維特(Prewitt)算子對圖像進(jìn)行邊緣檢測。
[0027]在其中一個