图像_视频动态场景中雨的去除方法研究

《图像_视频动态场景中雨的去除方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、图像/视频动态场景中雨的去除方法研究Researchonremovalofrainindynamicsceneofimage/video学科专业：信息与通信工程作者姓名：郭昊指导教师：郭继昌教授天津大学电气自动化与信息工程学院2017年11月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研宄工作和取得的研宂成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研宂成果，也不包含为获得天津大学或其他教育机构的学位或证－书而使用过的材料：。与我ｎ作的Ｎ志对本研宄所做的任何贡献均己在论文中１司作了明确的说明并表示了谢意。

2、学位论文作者签名：签字日期：年Ｉ月反日／学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供査阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）■Ｓ学位论文作者签名：导师签名：＾签字日期：２０Ｊ７年ｕ月５日签字日期：ＷＯ年ｉ月丨多日摘要雨作为一种常见的天气现象，会影响户外拍摄图像的视觉效果，模糊和覆盖图像特征信息，进而影响大部分计算机视觉

3、算法的性能。因此，为了提升图像的视觉效果，保证计算机视觉算法的性能稳定，图像去雨方法得到了广泛的关注和研究。近年来，图像去雨方法的研究取得了一定成果，但仍存在雨线去除不彻底、不完全，去雨方法模糊图像的原始信息和去雨方法无法达到实时性等问题。本文对当前图像去雨方法的研究进展进行了分析，并在这些方法研究的基础上，将卷积神经网络应用到了图像去雨方法中。首先提出了一种基于多尺度卷积神经网络的单幅图像去雨方法，该方法利用卷积神经网络提取有雨图像的雨线特征，并且利用膨胀卷积使得得到的特征更加丰富，最后利用这些特征重建去雨图像。实验结果表明，基于多尺度卷积神经网络的去雨方法可以在保持图像

4、原有信息的同时，有效去除图像中的雨线。对于视频中的动态场景，首先利用相位一致性特征和雨线色度特征检测出图像中雨线的位置，然后将单幅图像去雨方法扩展到视频图像去雨，实现空间域的雨线去除，最后利用帧间信息实现时间域的雨线去除，得到去雨视频图像。实验结果表明，所提方法可以有效去除视频中的雨线，提高图像的视觉效果，同时可以保持视频的时域连续性。关键词：图像去雨方法，多尺度卷积神经网络，膨胀卷积，相位一致性特征，视频动态场景IABSTRACTRainisacommonweatherphenomenon,whichwillaffectthevisualeffectofoutdoorsh

5、ootingimages,fuzzyandoverlayimagefeatureinformationandthenaffecttheperformanceofcomputervisionalgorithms.Inordertoimprovethevisualeffectoftheimageandensurethestabilityofcomputervisionalgorithm,imagerainremovalmethodhasattractedextensiveattentionandresearch.Inrecentyears,theresearchofimager

6、ainremovalmethodhasmadesomeachievements,buttherearestillsomeproblemssuchastheincompleteremovalofrainstreaks,blurringoriginalinformationofimagesandbadreal-timeperformance.Inthisthesis,thecurrentresearchprogressofimagerainremovalalgorithmisanalyzedandtheconvolutionalneuralnetworkisappliedtot

7、heimagerainremovalalgorithm.Firstly,asingleimagerainremovalmethodbasedonmulti-scaleconvolutionalneuralnetworkisproposed.Itusesconvolutionalneuralnetworktoextractrainstreaksfeaturesofrainimagesandtheexpansionconvolutiontomakethefeaturemoreabundant.Therainremova