雨天情況下,受雨滴的散射和模糊的作用,戶外視覺系統(tǒng)采集的圖像產(chǎn)生嚴(yán)重的退化降質(zhì),表現(xiàn)為圖像模糊、信息遮擋和對(duì)比度降低等。這嚴(yán)重制約了戶外視覺系統(tǒng)對(duì)環(huán)境的正確理解與決策。因此,圖像去雨有助于提高計(jì)算機(jī)視覺算法的準(zhǔn)確性和可靠性�；谝曨l去雨的方法可以利用多幀信息,且已有重大進(jìn)展。相較而言,單幅圖像去雨因沒有視頻連續(xù)幀間的冗余信息,其研究更具挑戰(zhàn)性。本文圍繞單幅圖像去雨問題進(jìn)行深入研究和分析,主要內(nèi)容如下:（1）為了結(jié)合自然圖像與有雨圖像的先驗(yàn)知識(shí),提出了基于高斯混合模型引導(dǎo)低秩內(nèi)部字典學(xué)習(xí)算法,并將其應(yīng)用于單幅圖像去雨。該模型首先利用高斯混合模型從大量自然圖像塊中學(xué)習(xí)外部字典。其次,面向有雨圖像建立了一種基于外部字典引導(dǎo)內(nèi)部字典學(xué)習(xí)模型,并將內(nèi)部字典的低秩性增加到字典學(xué)習(xí)目標(biāo)函數(shù)中�；诟咚够旌夏Ｐ驮诖罅孔匀粓D像中學(xué)習(xí)的外部字典有利于恢復(fù)圖像中稀疏的細(xì)節(jié),而從有雨圖像中學(xué)習(xí)的內(nèi)部字典有助于恢復(fù)圖像中稠密細(xì)節(jié)。通過外部字典的更替不斷的引導(dǎo)內(nèi)部字典學(xué)習(xí),實(shí)驗(yàn)結(jié)果表明,在合成圖像與真實(shí)圖像上與其它算法相比,本文學(xué)習(xí)的引導(dǎo)字典可以有效解決圖像去雨問題。（2）針對(duì)訓(xùn)練樣本和測(cè)試樣本之間存在一定偏差,... 

【文章來源】：湘潭大學(xué)湖南省

【文章頁數(shù)】：56 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

真實(shí)雨圖的去雨結(jié)果

群結(jié)構(gòu)

27對(duì)測(cè)試有雨圖像隨機(jī)取塊構(gòu)成群，基于學(xué)習(xí)的字典EID=DD對(duì)其進(jìn)行稀疏重構(gòu)，則有雨圖像群重建為：nnYDA(4.9)4.3實(shí)驗(yàn)結(jié)果及分析為了驗(yàn)證群稀疏殘差約束的引導(dǎo)字典學(xué)習(xí)算法的有效性，在合成雨圖與真實(shí)雨圖上分別與SR[22]，VDGC[25]，CNN[28]，DSC[27]和LP[35]方法進(jìn)行對(duì)比分析。在為了定量說明本章方法的有效性，采用和第三章相同的指標(biāo)來評(píng)價(jià)圖像去雨效果。4.3.1參數(shù)設(shè)置群稀疏殘差約束項(xiàng)參數(shù)0.001，其他參數(shù)設(shè)置與第三章相同，可參考3.3.1節(jié)。4.3.2合成雨圖的實(shí)驗(yàn)結(jié)果圖4.3給出不同算法在合成圖像上的去雨效果。圖4.3(a)所示為合成雨圖，圖4.3(b)所示為無雨圖像，圖4.3(c)-4.3(h)分別為SR[22]，VDGC[25]，CNN[28]，DSC[28]，LP[35]與本章算法的去雨結(jié)果。圖4.3中第二行為第一行圖像中紅色矩形框區(qū)域的細(xì)節(jié)效果圖。(a).雨圖(b).無雨圖(c).SR(d).VDGC(e).DSC(f).LP(g).CNN(h).本章算法圖4.3合成圖像的去雨結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]融合高斯混合模型和點(diǎn)到面距離的點(diǎn)云配準(zhǔn)[J]. 林桂潮,唐昀超,鄒湘軍,張青,時(shí)曉杰,馮文賢.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2018(04)
[2]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]. 湯紅忠,王翔,張小剛,李驍,毛麗珍.  通信學(xué)報(bào). 2017(07)
[3]改進(jìn)混合高斯模型的自適應(yīng)煙霧圖像分割算法[J]. 胡燕,王慧琴,馬宗方.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(07)
[4]一種受雨滴污染視頻的快速分析方法[J]. 劉鵬,徐晶,劉家鋒,唐降龍.  自動(dòng)化學(xué)報(bào). 2010(10)



本文編號(hào)：3287121