基于密集卷积神经网络的单幅图像去雨

发布时间：2021-03-15 19:15

　　下雨天环境下室外拍摄的图片随机分布着很多方向的雨线,这些密集的雨线使得目标物体被遮挡,同时对背景产生光线反射,进而降低目标物体的对比度,最终导致拍摄的细节信息丢失,图像质量不理想,而户外交通监控、军事目标侦察依赖于清晰的图像,从而严重影响系统性能。如果能对雨线进行一系列的处理操作,以对图像清晰化,将有利于图像识别、跟踪等领域的应用研究。目前存在单幅图像的去雨研究主要基于图像层建模或雨滴检测,这些方法或对图像进行分解,通过对雨图字典的稀疏编码重建无雨图像,或对雨滴检测,利用雨的特征检测出雨线去雨,进一步对雨线去雨进行去雨,虽然各主流方法均能在一定程度上达到去雨的效果,但不同算法均存在去雨效果不理想和实时性难以兼顾、图像细节丢失、图像结构被破坏等问题。针对上述问题,为了提高单幅图像去雨方法的有效性,本文主要研究工作如下:（1）通过搜集户外不同场景下的无雨图,人工合成大量对应雨图,构建一个用于训练神经网络的标准数据集,该数据集的雨图包括不同场景下不同方向和密度的雨线,运用卷积神经网络对数据集中的有雨图像进行去雨,再与对应无雨图像进行比较,能够定性和定量地评估去雨效果。（2）研究使用滤波算法提... 

【文章来源】：华南农业大学广东省

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

户外雨天图像

基于图层混合模型去雨效果图：左为有雨图，右为去雨图

雨图中椭圆形内核的各种结构

【参考文献】：
期刊论文
[1]形态分量分析在去除地震资料随机噪声中的应用[J]. 李海山,吴国忱,印兴耀.  吉林大学学报(地球科学版). 2012(02)
[2]视频图像中雨滴检测与去除方法研究[J]. 张颖翔,陈强,刘允才.  微型电脑应用. 2007(12)

硕士论文
[1]基于卷积神经网络的图像识别[D]. 蒋帅.吉林大学 2017
[2]单幅图像中雨滴检测与去除方法的研究[D]. 石晓晴.北京交通大学 2016
[3]基于Caffe平台深度学习的人脸识别研究与实现[D]. 魏正.西安电子科技大学 2015



本文编号：3084674