基于流形学习的图像去雨雪应用研究

发布时间：2023-03-10 22:54

　　恶劣天气(雨、雪、霾等)下拍摄的视频或图像严重影响人们的研究使用。其中,雨、雪天气导致的图像退化使得视觉系统不能提供可靠的特征提取、物体识别和目标检测、跟踪等计算机视觉算法的处理结果。因此,将图像去雨雪技术作为图像的预处理环节,用于提高计算机视觉算法的准确性是有必要的。受雨、雪影响的视频或图像具有视觉效果差、关键信息被覆盖的特性,因此针对图像去雨雪算法的研究具有很大的实际意义。本文的研究内容主要是针对视频图像的雨雪去除,进而提高雨、雪视频图像的视觉效果。图像的去雨雪算法在国内外已有广泛的应用和深入的研究,达得了较好的雨雪条纹去除效果,但仍然存在损失图像内部固有信息的问题。图像的去雨雪通常涉及了数据从高维非线性到低维线性的变换,雨雪条纹可以通过高维观测空间中的低维嵌入流形进行标记,这很好保留了雨雪条纹的结构信息。本文对一些经典的图像去雨雪算法进行了深入研究和比较,在此基础上提出了两种图像去雨雪方法:基于改进BPDN算法的图像去雨雪方法和基于局部流形结构的图像去雨雪方法。(1)本文工作是基于Kim算法的改进工作,Kim算法只考虑了雨雪图像的全局信息,而缺少对雨雪图像局部信息的描述。本文首先...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景与研究意义
        1.1.1 图像去雨雪的背景和意义
        1.1.2 流形学习的背景和意义
    1.2 图像去雨雪算法的国内外研究现状
        1.2.1 基于视频图像去雨雪的研究现状
        1.2.2 基于单幅图像去雨雪的研究现状
    1.3 流形学习的国内外研究现状
    1.4 论文的主要研究内容和创新点
    1.5 本文的结构安排
2 基于改进BPDN算法的图像去雨雪应用研究
    2.1 初始雨图提取
    2.2 基于改进BPDN算法的图像去雨雪
        2.2.1 基于改进BPDN算法的精炼雨图提取
        2.2.2 基于改进BPDN算法和Kim算法的图像去雨雪
    2.3 实验结果对比与分析
    2.4 本章小结
3 基于局部流形结构的图像去雨雪应用研究
    3.1 流形学习理论
        3.1.1 流形学习概述
        3.1.2 流形学习算法介绍
    3.2 局部流形结构权重的构建
    3.3 基于局部流形结构的图像去雨雪
        3.3.1 基于梯度下降法的稀疏系数矩阵求解
        3.3.2 基于局部流形结构的图像去雨雪
    3.4 实验参数的设置
    3.5 实验结果对比与分析
        3.5.1 实验时间成本
        3.5.2 合成图像去雨雪实验分析
        3.5.3 真实图像去雨雪实验分析
    3.6 本章小结
4 本文工作总结与展望
参考文献
致谢
在校期间科研成果



本文编号：3758716