【摘要】：提出一種非相干字典學(xué)習(xí)及稀疏表示方法,并將其應(yīng)用于單幅圖像去雨。該方法在字典學(xué)習(xí)階段,為降低有雨原子與無雨原子間的相似性,引入字典的非相干性,構(gòu)建新的目標(biāo)函數(shù),不僅可以保證有雨字典與無雨字典的可分性,而且學(xué)習(xí)的非相干字典具有類似于緊框架的性質(zhì),可以逼近等角緊框架。通過有雨字典與無雨字典對高頻圖像的稀疏表示,能夠更好地分離出高頻圖像中的有雨分量與無雨分量,將高頻無雨分量與低頻圖像融合實現(xiàn)圖像去雨。采用合成雨圖與真實雨圖對算法進行驗證,實驗結(jié)果表明,算法所學(xué)習(xí)的非相干字典具有較好的稀疏表示性能,去雨后的圖像雨線殘留較少,邊緣細(xì)節(jié)保持較好,視覺效果更為清晰自然。
[Abstract]:An incoherent dictionary learning and sparse representation method is proposed and applied to single image to remove rain. In order to reduce the similarity between rain-free and rain-free atoms, this method can not only guarantee the separability of Rain dictionaries and Rain dictionaries, but also introduce the non-coherence of dictionaries and construct a new objective function. Moreover, the learning incoherent dictionaries have properties similar to compact frames, which can be approximated to isobaric compact frames. The sparse representation of high frequency images by rain dictionary and rain free dictionary can better separate the rain component from the rain free component in the high frequency image, and combine the high frequency rain free component with the low frequency image to remove the rain. The synthetic rain map and the real rain map are used to verify the algorithm. The experimental results show that the incoherent dictionary studied by the algorithm has better sparse representation performance, the rain-line of the image after rain removal is less, and the edge details remain better. Visual effects are more clear and natural.
【作者單位】： 湘潭大學(xué)信息工程學(xué)院;湖南大學(xué)電氣與信息工程學(xué)院;湘潭大學(xué)控制工程研究所;
【基金】：國家自然科學(xué)基金資助項目(No.61573299,No.61673162,No.61672216,No.61602397) 湖南省自然科學(xué)基金資助項目(No.2017JJ3315,No.2017JJ2251,No.2016JJ3125)~~
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前2條

1 湯雅妃;張云勇;郭志斌;;基于稀疏表達的微弱信號提取及檢測方法[J];通信學(xué)報;2015年S1期

2 湯紅忠;張小剛;陳華;程煒;唐美玲;;帶邊界條件約束的非相干字典學(xué)習(xí)方法及其稀疏表示[J];自動化學(xué)報;2015年02期

【共引文獻】

相關(guān)期刊論文 前4條

1 湯紅忠;王翔;張小剛;李驍;毛麗珍;;面向單幅圖像去雨的非相干字典學(xué)習(xí)及其稀疏表示研究[J];通信學(xué)報;2017年07期

2 袁靜;章毓晉;;融合梯度差信息的稀疏去噪自編碼網(wǎng)絡(luò)在異常行為檢測中的應(yīng)用[J];自動化學(xué)報;2017年04期

3 張運超;陳靖;王涌天;;一種融合重力信息的快速海量圖像檢索方法[J];自動化學(xué)報;2016年10期

4 丁明惠;;特定頻帶信噪比最大化的信號恢復(fù)方法[J];艦船電子工程;2016年09期

【相似文獻】

相關(guān)期刊論文 前10條

1 張新鵬;王朔中;;基于稀疏表示的密寫編碼[J];電子學(xué)報;2007年10期

2 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進展和展望[J];電子學(xué)報;2009年01期

3 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學(xué)與光譜分析;2009年07期

4 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識別[J];農(nóng)業(yè)工程學(xué)報;2011年03期

5 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識別[J];計算機工程與設(shè)計;2012年05期

6 高志榮;熊承義;笪邦友;;改進的基于殘差加權(quán)的稀疏表示人臉識別[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2012年03期

7 朱杰;楊萬扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識別[J];計算機工程與應(yīng)用;2013年05期

9 李正周;王會改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測[J];彈箭與制導(dǎo)學(xué)報;2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識別算法研究[J];模式識別與人工智能;2014年01期

相關(guān)會議論文 前1條

1 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 李進明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

3 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

4 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

5 程廣濤;基于壓縮感知的人臉識別方法研究[D];天津大學(xué);2015年

6 黃丹丹;基于稀疏表示的視覺目標(biāo)跟蹤方法研究[D];大連理工大學(xué);2016年

7 趙淑歡;欠完備采樣環(huán)境下面向數(shù)據(jù)的稀疏表示人臉識別研究[D];燕山大學(xué);2016年

8 劉海倉;基于稀疏表示的圖像超分辨率與目標(biāo)跟蹤方法研究[D];湖南大學(xué);2015年

9 項鳳濤;基于稀疏表示與優(yōu)化的圖像信息處理方法及應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2014年

10 劉兆棟;基于稀疏表示理論的圖像去噪與融合算法研究[D];重慶大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

3 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

4 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

5 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

6 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

7 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

8 梁曉捷;基于網(wǎng)絡(luò)攝像頭與稀疏表示分類法的實時人臉識別系統(tǒng)應(yīng)用研究[D];五邑大學(xué);2015年

9 陳蒙;基于稀疏表示特征的人臉識別方法研究[D];深圳大學(xué);2015年

10 袁文;基于稀疏表示的行人檢測方法研究[D];南京理工大學(xué);2015年

，

本文編號：2228052