一種圖像去雨方法及系統的制作方法
【技術領域】
[0001] 本發明屬于圖像處理技術領域，尤其涉及一種圖像去雨方法及系統。
【背景技術】
[0002] 雨對圖像成像有很大的影響，會造成圖像成像模糊和信息覆蓋，其直接結果是視 頻圖像的清晰度下降，視頻圖像的數字化處理也會受此影響而性能下降。對受雨滴污染的 視頻圖像進行修復處理有利于圖像的進一步處理，包括基于圖像的目標檢測、識別、追蹤、 分割和監控等技術的性能提高。而且視頻圖像去雨技術在現代軍事、交通以及安全監控等 領域都有廣泛的應用前景。
[0003] 有關視頻圖像中雨滴特性的研究已受到國際學術界的廣泛關注，去雨算法的研究 也從2003年Starik等（Starik S, Werman M. Simulation of rainin videos [C]Proceeding of Texture Workshop, ICCV.Nice,France:2003, 2:406-409)提出的中值法開始得到了迅 速的發展，處理的方法已經不再局限于最初簡單的中值計算，偏度計算、K均值聚類、卡爾 曼濾波、字典學習和稀疏編碼、引導濾波、幀間亮度差、HSV空間、光流法及運動分割等很多 方法也逐漸開始應用在視頻圖像中雨滴檢測與去除的算法中，雨滴去除的效果也逐漸被提 高。Garg等最先提出利用雨滴帶來的幀間亮度差進行雨滴初檢，然后利用雨滴的直線性和 方向一致的特點進一步篩選，最后根據前后幀的像素亮度去除雨滴影響，可以較好地滿足 雨滴不覆蓋連續幀圖像情況下的雨滴檢測與去除；Zhang等將雨滴給像素帶來的色彩影響 考慮在內，從而提高雨滴檢測的準確性，改善了基于亮度變化的去雨算法在彩色圖像上的 應用效果；Liu等將雨滴的亮度影響和色彩影響同時應用在算法中，用兩幀檢測雨滴并去 除；Tripathi等先研究雨滴像素亮度變化的概率統計特性，然后利用雨滴像素亮度變化的 對稱性實現雨滴檢測，僅基于時域和另外考慮空間位置的影響時效果不完全相同；Kang等 首先利用雙邊濾波將雨圖分成高頻部分和低頻部分，并對高頻部分進一步處理得到非雨成 分，結合低頻部分得到去雨圖；Huang等首先利用上下文約束進行圖像分割，并利用上下文 感知進行單幅圖像去雨，并在此基礎上提出了改進算法，文中首先用到了超完備的字典對 高頻部分進行處理。
[0004] 特別是最近幾年，視頻圖像去雨技術已成為新的研究熱點。如何在保證高魯棒性 的前提下提高去雨的準確率和實時性，是目前視頻圖像去雨領域的焦點。目前存在的算法 中，應用于靜態場景視頻雨滴檢測與去除的算法有較為成熟的研究成果，但是應用在動態 場景中的視頻上時，算法考慮的是視頻中出現運動物體所帶來的干擾，對于與雨滴特性區 別度不高的運動物體無法達到理想的檢測效果。此外，實時處理在多項技術應用的自動導 航系統、安全監控系統等場合中有很大的應用需求。這些應用場合中往往需要及時得到處 理結果，反饋給用戶，視頻處理的滯后有可能導致用戶做出錯誤的判斷。因此視頻中雨滴檢 測與去除不僅需要提高精度，也需要提高處理速度，而且需要找到二者之間最佳平衡點。但 是當前算法還無法兼顧各種場景的處理速度和精度，實現去雨算法的實時性是當前研究面 對的一個重要課題。
[0005] 綜上所述，現有的圖像去雨技術存在的缺點在于：現有的圖像去雨算法需要大量 的視頻圖像作為統計對象，使用范圍受到一定的限制，不適用于對算法實時性要求高的場 景；同時，現有的圖像去雨技術雖然能處理視頻和圖像，但是對于動態場景在區分雨滴和運 動物體時存在誤判，去雨效果不是很理想。
【發明內容】
[0006] 本發明提供了一種圖像去雨方法及系統，旨在解決現有的圖像去雨技術實時性不 高，且對于動態場景的去雨效果存在誤判的技術問題。
[0007] 本發明是這樣實現的，一種圖像去雨方法，包括：
[0008] 步驟a :輸入視頻幀圖像，并將視頻幀圖像從RGB色彩空間轉換到HSL色彩空間；
[0009] 步驟b :提取HSL色彩空間的H和S通道參數，利用H和S通道參數檢測出運動物 體邊緣，并篩選出受雨滴污染的像素點；
[0010] 步驟c :利用各向異性擴散邊緣保護算法將受雨滴污染的像素點進行去除，得到 去雨圖像。
[0011] 本發明實施例采取的技術方案還包括：在所述步驟a中，所述將視頻幀圖像從RGB 色彩空間轉換到HSL色彩空間的轉換公式為：
[0015] 在上述公式中，max為像素 r、g、b中最大值，min為像素 r、g、b中最小值。
[0016] 本發明實施例采取的技術方案還包括：在所述步驟b中，所述篩選出受雨滴污染 的像素點具體包括：根據檢測出的運動物體邊緣，采用彩色聚類圖像分割方法將運動物體 內部點進行標記，其余的像素亮度差值較大的像素點為初步篩選出的受雨滴污染的像素 點；并通過動態雨滴的光度特性對初步篩選出的受雨滴污染的像素點進行誤檢排除，得到 最終的受雨滴污染的像素點。
[0017] 本發明實施例采取的技術方案還包括：所述對初步篩選出的受雨滴污染的像素點 進行誤檢排除具體為：分析每個被雨滴影響的像素，判斷該像素是否與前一幀上的背景亮 度呈線性關系，如果該像素與前一幀上的背景亮度呈線性關系，則確定該像素為受雨影響 的像素；否則確定該像素為運動物體上的像素，將該像素從初步篩選出的受雨滴污染的像 素點中去掉；并用雨滴的直線性與其他快速運動物體相區別，得到最終的受雨滴污染的像 素點。
[0018] 本發明實施例采取的技術方案還包括：在所述步驟c中，所述利用各向異性擴散 邊緣保護算法將受雨滴污染的像素點進行去除的具體公式為：
[0020] 在上述公式中，wx,y(i，j)表示擴散系數，V表示3X3鄰域空間，t為擴散運行時間， Vni(X，y)表示每個像素的位置向量；擴散系數的大小由下式決定：
[0022] 在上述公式中，A 是標準化常量，d(vn(x, y), vm(i, j)) = (vn(x, y)_vm(i, j))ΤΨ 1Qn(Xj)-vn (i，j))，擴散張量Ψ表示多方條件約束。
[0023] 本發明實施例采取的技術方案還包括：在所述步驟c后還包括：將去雨圖像轉換 為RGB色彩空間圖像并輸出圖像。
[0024] 本發明實施例采取的另一技術方案為：一種圖像去雨系統，包括空間轉換模塊、雨 滴篩選模塊和圖像去雨模塊；
[0025] 所述空間轉換模塊用于輸入視頻幀圖像，并將視頻幀圖像從RGB色彩空間轉換到 HSL色彩空間；
[0026] 所述雨滴篩選模塊用于提取HSL色彩空間的H和S通道參數，利用H和S通道參 數檢測出運動物體邊緣，并篩選出受雨滴污染的像素點；
[0027] 所述圖像去雨模塊用于利用各向異性擴散邊緣保護算法將受雨滴污染的像素點 進行去除，得到去雨圖像。
[0028] 本發明實施例采取的技術方案還包括：所述空間轉換模塊將視頻幀圖像從RGB色 彩空間轉換到HSL色彩空間的轉換公式為：
[0029]
[0032] 在上述公式中，max為像素 r、g、b中最大值，min為像素 r、g、b中最小值。
[0033] 本發明實施例采取的技術方案還包括：所述圖像去雨模塊利用各向異性擴散邊緣 保護算法將受雨滴污染的像素點進行去除的具體公式為：
[0035] 在上述公式中，wx,y(i，j)表示擴散系數，V表示3X3鄰域空間，t為擴散運行時間， Vni(X，y)表示每個像素的位置向量；擴散系數的大小由下式決定：
[0037] 在上述公式中，A 是標準化常量，d(vn(x, y), vm(i, j)) = (vn(x, y)_vm(i, j))ΤΨ 1Qn(Xj)-vn (i，j))，擴散張量Ψ表示多方條件約束。
[0038] 本發明實施例采取的技術方案還包括：還包括雨滴排除模塊和圖像輸出模塊；所 述雨滴篩選模塊根據檢測出的運動物體邊緣，采用彩色聚類圖像分割方法將運動物體內部 點進行標記，初步篩選出受雨滴污染的像素點，所述雨滴排除模塊通過動態雨滴的光度特 性對初步篩選出的受雨滴污染的像素點進行誤檢排除，得到最終的受雨滴污染的像素點； 所述圖像輸出模塊將去雨圖像轉換為RGB色彩空間圖像并輸出圖像。
[0039] 本發明實施例的圖像去雨方法及系統通過將視頻幀從RGB色彩空間轉換到HSL色 彩空間，降低算法的時間復雜度，提高算法的使用范圍及實時性，避免雨滴和運動物體的誤 判；并利用各向異性擴散邊緣保護算法進行雨滴的去除，得到較好的去雨效果，提高了算法 的準確度和魯棒性。
【附圖說明】
[0040] 圖1是本發明實施例的圖像去雨方法的流程圖；
[0041] 圖2是本發明實施例的基于連續三幀的時空相關性進行雨滴去除的去雨效果圖；
[0042] 圖3 (a)為原始視頻圖像