面向单幅图像去雨的非相干字典学习及其稀疏表示研究

摘要：

提出一种非相干字典学习及稀疏表示方法,并将其应用于单幅图像去雨.该方法在字典学习阶段,为降低有雨原子与无雨原子间的相似性,引入字典的非相干性,构建新的目标函数,不仅可以保证有雨字典与无雨字典的可分性,而且学习的非相干字典具有类似于紧框架的性质,可以逼近等角紧框架.通过有雨字典与无雨字典对高频图像的稀疏表示,能够更好地分离出高频图像中的有雨分量与无雨分量,将高频无雨分量与低频图像融合实现图像去雨.采用合成雨图与真实雨图对算法进行验证,实验结果表明,算法所学习的非相干字典具有较好的稀疏表示性能,去雨后的图像雨线残留较少,边缘细节保持较好,视觉效果更为清晰自然.

关键词：非相干字典、字典学习、稀疏表示、单幅图像去雨

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61573299, 61673162, 61672216, 61602397;湖南省自然科学基金资助项目No.2017JJ3315, No.2017JJ2251, No.2016JJ3125 The National Natural Science Foundation of China61573299, 61673162, 61672216, 61602397;The Natural Science Foundation of Hunan Province2017JJ3315, 2017JJ2251, 2016JJ3125

在线出版日期：2017-08-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：28-35