一种基于小波分析的图像去雨方法及系统的制作方法
【技术领域】
[0001] 本发明属于图像处理技术领域，尤其涉及一种基于小波分析的图像去雨方法及系 统。
【背景技术】
[0002] 雨对图像成像有很大的影响，会造成图像成像模糊和信息覆盖，其直接结果是视 频图像的清晰度下降，视频图像的数字化处理也会受此影响而性能下降。对受雨滴污染的 视频图像进行修复处理有利于图像的进一步处理，包括基于图像的目标检测、识别、追踪、 分割和监控等技术的性能提高。而且视频基于小波分析的图像去雨技术在现代军事、交通 以及安全监控等领域都有广泛的应用前景。
[0003] 有关视频图像中雨滴特性的研究已受到国际学术界的广泛关注，去雨算法的研究 也从2003年Starik等（Starik S, Werman M. Simulation of rainin videos [C]Proceeding of Texture Workshop, ICCV.Nice,France:2003, 2:406-409)提出的中值法开始得到了迅 速的发展，处理的方法已经不再局限于最初简单的中值计算，偏度计算、K均值聚类、卡尔 曼滤波、字典学习和稀疏编码、引导滤波、帧间亮度差、HSV空间、光流法、运动分割等很多 方法也逐渐开始应用在视频图像中雨滴检测与去除的算法中，雨滴去除的效果也逐渐被提 高。Garg等最先提出利用雨滴带来的帧间亮度差进行雨滴初检，然后利用雨滴的直线性和 方向一致的特点进一步筛选，最后根据前后帧的像素亮度去除雨滴影响，可以较好地满足 雨滴不覆盖连续帧图像情况下的雨滴检测与去除；Zhang等将雨滴给像素带来的色彩影响 考虑在内，从而提高雨滴检测的准确性，改善了基于亮度变化的去雨算法在彩色图像上的 应用效果；Liu等将雨滴的亮度影响和色彩影响同时应用在算法中，用两帧检测雨滴并去 除；Tripathi等先研究雨滴像素亮度变化的概率统计特性，然后利用雨滴像素亮度变化的 对称性实现雨滴检测，仅基于时域和另外考虑空间位置的影响时效果不完全相同；Kang等 首先利用双边滤波将雨图分成高频部分和低频部分，并对高频部分进一步处理得到非雨成 分，结合低频部分得到去雨图；Huang等首先利用上下文约束进行图像分割，并利用上下文 感知进行单幅基于小波分析的图像去雨，并在此基础上提出了改进算法，文中首先用到了 超完备的字典对尚频部分进彳丁处理。
[0004] 特别是最近几年，视频图像去雨技术已成为新的研究热点。如何在保证高鲁棒性 的前提下提高去雨的准确率和实时性，是目前视频图像去雨领域的焦点。目前存在的算法 中，应用于静态场景视频雨滴检测与去除的算法有较为成熟的研究成果，但是应用在动态 场景中的视频上时，算法考虑的是视频中出现运动物体所带来的干扰，对于与雨滴特性区 别度不高的运动物体无法达到理想的检测效果。此外，实时处理在多项技术应用的自动导 航系统、安全监控系统等场合中有很大的应用需求。这些应用场合中往往需要及时得到处 理结果，反馈给用户，视频处理的滞后有可能导致用户做出错误的判断。因此视频中雨滴检 测与去除不仅需要提高精度，也需要提高处理速度，而且需要找到二者之间最佳平衡点。但 是当前算法还无法兼顾各种场景的处理速度和精度，实现去雨算法的实时性是当前研究面 对的一个重要课题。
[0005] 综上所述，现有的图像去雨技术存在的缺点在于：现有的图像去雨算法无法兼顾 各种场景的处理速度和精度；同时，现有的图像去雨技术对于动态场景的去雨效果不是很 理想，算法复杂度和算法实时性也不能很好地兼顾。
【发明内容】
[0006] 本发明提供了一种基于小波分析的图像去雨方法及系统，旨在解决现有的图像去 雨技术无法兼顾各种场景的处理速度和精度，对于动态场景的去雨效果不是很理想，且算 法复杂度和算法实时性不能兼顾的技术问题。
[0007] 本发明是这样实现的，一种基于小波分析的图像去雨方法，包括：
[0008] 步骤a :根据小波分析对视频帧图像进行小波多层分解；
[0009] 步骤b :分析各个图层的图像信息，检测出包含雨滴噪声的图层；
[0010] 步骤c :根据雨滴的亮度特性定义雨滴污染程度系数，根据雨滴污染程度系数计 算融合系数矩阵，根据融合系数矩阵对包含不同图像信息的图层分别进行小波融合，并通 过融合结果进行图像重构得到去雨图像。
[0011] 本发明实施例采取的技术方案还包括：在所述步骤a中，所述根据小波分析对视 频帧图像进行小波多层分解具体为：基于小波分析的Malla算法进行分解，Malla算法的分 解公式为：
[0012] C1= HcHrC1 !
[0013] D! =^GcHrCiA
[0014] D； - Ilt G, C1 ,
[0015] D': =G1G1C,'
[0016] 在上述公式中，H和G分别是尺度函数Φ (X)和小波函数Φ (X)的系数矩阵，Q、 A1、对和Df分别对应图像C1 i的低频部分、垂直方向的高频部分、竖直方向的高频部分 以及对角线方向的高频部分。
[0017] 本发明实施例采取的技术方案还包括：在所述步骤c中，所述根据雨滴的亮度特 性定义雨滴污染程度系数，根据雨滴污染程度系数计算融合系数矩阵，根据融合系数矩阵 对包含不同图像信息的图层分别进行小波融合，并通过融合结果进行图像重构得到去雨图 像具体为：令雨滴污染程度系数S = GXE，其中，G为局部梯度，E为局部能量，局部梯度和 局部能量两个参数相乘得到一个新的变量s，S值越大污染越严重；对S矩阵进行归一化处 理得到s'，系数矩阵和s'矩阵用于对图像重构算法进行加权优化得到融合系数矩阵，根据 融合系数矩阵对包含背景与颜色信息、雨滴噪声和图像纹理与物体边缘信息的图层分别进 行小波融合，并将三部分融合结果进行图像重构得到去雨图像。
[0018] 本发明实施例采取的技术方案还包括：所述局部梯度G定义为：
[0020] 在上述公式中，Δ xf (i, j)和Δ yf (i, j)分别为点（i，j)的水平和垂直方向，M和 N分别为区域的边长；所述像素的局部能量E表示为：
[0022] 本发明实施例采取的技术方案还包括：所述步骤c后还包括：利用基于暗原色去 雾算法对去雨图像进行去雾处理，得到最终去雨图像。
[0023] 本发明实施例采取的技术方案还包括：所述利用基于暗原色去雾算法对去雨图像 进行去雾处理具体为：采用快速双边滤波方法进行去雾；双边滤波器定义为：
[0025] 在上述公式中，Ip和Iq分别是像素 p和q的亮度值，Wp表达式为：
[0027] 上述公式是归一化权重系数，σ ,和σ ^分别是欧氏空间距离与亮度变化范围的标 准差，和分别是相应标准差的高斯核函数。
[0028] 本发明实施例采取的另一技术方案为：一种基于小波分析的图像去雨系统，包括 小波分解模块和小