0] 式（9)是归一化权重系数，〇,和σ ^分别是欧氏空间距离与亮度变化范围的标准 差，G 分别是相应标准差的高斯核函数。双边滤波不仅考虑空间信息，还考虑了像素 的亮度信息，能够使图像平滑清晰实现快速而高质量的图像去雾。
[0101]图像输出模块用于输出视频帧图像。
[0102] 本发明实施例的基于小波分析的图像去雨方法及系统采用小波多级分解和小波 融合的方法判别雨滴噪声所在的层面，基于雨滴影响的程度定义小波融合的规则，并在特 定的层面上进行小波融合以达到雨滴去除的目的，可以避免受到动态特性的干扰，更加准 确有效的去除雨滴，提高了算法的使用范围，使算法在雨势很大的情况下也能有良好的去 雨效果；并对去雨图像进行去雾操作，优化了图像的视觉效果，使算法更加具有实用性。
[0103] 不仅有良好的恢复结果，而且还不受噪声强度度的影响。
[0104] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种基于小波分析的图像去雨方法，包括： 步骤a :根据小波分析对视频帧图像进行小波多层分解； 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； 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。2. 根据权利要求1所述的基于小波分析的图像去雨方法，其特征在于，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：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、 &、蹲和分别对应图像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。3. 根据权利要求1所述的基于小波分析的图像去雨方法，其特征在于，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。4. 根据权利要求3所述的基于小波分析的图像去雨方法，其特征在于，所述局部梯度G 定义为：在上述公式中，Axf (i，j)和Ayf (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：α5. 根据权利要求1所述的基于小波分析的图像去雨方法，其特征在于，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。6. 根据权利要求5所述的基于小波分析的图像去雨方法，其特征在于，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：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：上述公式是归一化权重系数，σ#Ρ σ 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。7. -种基于小波分析的图像去雨系统，其特征在于，包括小波分解模块和小波融合模 块；所述小波分解模块用于根据小波分析对图像进行小波多层分解，并分析各个图层的图 像信息，检测出包含雨滴噪声的图层；所述小波融合模块用于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。8. 根据权利要求7所述的基于小波分析的图像去雨系统，其特征在于，所述小波分解 模块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：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、 拷、对和Zt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。9. 根据权利要求7所述的基于小波分析的图像去雨系统，其特征在于，所述小波融合 模块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。10. 根据权利要求7所述的基于小波分析的图像去雨系统，其特征在于：还包括雨滴排 除模块，所述雨滴排除模块用于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；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：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：上述公式是归一化权重系数，σ#Ρ σ 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。
【专利摘要】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。所述基于小波分析的图像去雨方法包括：步骤a：根据小波分析对视频帧图像进行小波多层分解；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；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。本发明可以避免受到动态特性的干扰，更加准确有效的去除雨滴，提高了算法的使用范围，使算法在雨势很大的情况下也能有良好的去雨效果；并对去雨图像进行去雾操作，优化了图像的视觉效果，使算法更加具有实用性。
【IPC分类】G06T5/50
【公开号】CN105184761
【申请号】CN201510541354
【发明人】朱青松, 李佳恒, 王磊
【申请人】中国科学院深圳先进技术研究院
【公开日】2015年12月23日
【申请日】2015年8月28日