陳震

摘?要：本文分析了兩種常用的圖像去雨雪算法：幀差法和聚類法。通過比較研究兩種常用圖像去雨雪算法原理及流程，總結(jié)出每種算法的優(yōu)缺點及適應(yīng)的場景。本文結(jié)論可為圖像去雨雪工作提供一定的理論基礎(chǔ)與數(shù)據(jù)保障。

關(guān)鍵詞：圖像雨雪去除;算法分析;算法比較

1 幀差法

Garg等學(xué)者在2004年提出了幀差法。該算法通過分析雨雪的運動和光學(xué)特點，計算出雨雪的動力學(xué)和光學(xué)模型來識別并處理雨雪。算法首先設(shè)定兩個前提條件：雨雪噪聲像素的灰度值要大于背景像素的灰度值;連續(xù)兩幀圖像的同一位置像素不被同一雨雪噪聲覆蓋。接下來提取視頻中連續(xù)三幀圖像并判斷雨雪噪聲是否污染了其中第二幀圖像中的像素。

ΔI=In-In-1=In-In+1≥C（1）

上式中In-1、In、In+1為視頻中連續(xù)三幀圖像像素點灰度值，c為灰度值差判斷閾值。如果某一像素的灰度值符合式1的條件則說明其可能被雨雪噪聲污染。然后從這些符合條件的像素點中進(jìn)一步推算出被雨雪噪聲真正污染的像素點，具體方法如下：根據(jù)雨雪噪聲運動軌跡所導(dǎo)致的像素灰度值差異ΔI與被雨雪噪聲污染的背景像素灰度值Ibg線性相關(guān)的性質(zhì)來估算像素點是否被污染，即候選雨雪噪聲滿足下式則為真正雨雪噪聲。

ΔI=-βIn-1+α（2）

式2中α，β是常數(shù)。最后在雨雪噪聲區(qū)中用該幀圖像的前后幀圖像對應(yīng)位置像素灰度值的平均值來取代該幀圖像中對應(yīng)像素灰度值。視頻中所有幀圖像重復(fù)以上操作來完成視頻圖像的去雨雪操作。算法結(jié)構(gòu)如下所示。

2 聚類法

雨雪退化圖像中像素的灰度值變化較大：某一像素被雨雪噪聲污染則灰度值高，反之依然。k-means聚類法即利用雨雪退化圖像這個特性對視頻中任意坐標(biāo)像素的灰度值聚類。該算法首先提取視頻中某一坐標(biāo)像素點在所有幀中的灰度值。再對這些同一像素點的灰度值采用k-means聚類。k-means聚類一開始選定兩個原始聚類中心點wr與wb，為加快聚類速度，可選取像素點灰度值中的最大值和最小值。再分別計算其余像素點灰度值Ip到wr和wb的歐氏距離：

d（Ip-wr）=|Ip-wr|d（Ip-wb）=|Ip-wb|（3）

當(dāng)d（Ip-wr）

Wn+1=1NWn∑Ip∈WnIp（4）

式4中Wn為第n次聚類后以wn為聚類中心的灰度值集合;NWn為Wn中元素的個數(shù);wn+1為更新后的聚類中心。當(dāng)兩個聚類中心灰度值穩(wěn)定時聚類停止。接著將灰度值小于最終聚類中心的像素的灰度值平均值作為背景灰度。然后用背景灰度取代灰度值高于最終聚類中心的像素的灰度值。最后通過同樣操作對其余坐標(biāo)像素點進(jìn)行處理以完成去雨雪。算法結(jié)構(gòu)如下所示。

3 結(jié)論

幀差法優(yōu)點為：算法簡單快速，對小雨雪場景有效果。缺點為：大雨雪場景中去雨雪效果不理想;當(dāng)背景像素灰度值過大時，識別的雨雪噪聲區(qū)域不夠準(zhǔn)確;當(dāng)退化圖像中存在高速運動物體時，處理后圖像中的運動物體較模糊。聚類法優(yōu)點為：相比幀差法對中雨雪場景與大雨雪場景的退化圖像清晰化效果較好。缺點為：算法運算量大，運算時間長;同樣當(dāng)背景像素灰度值過大時，對被雨雪噪聲污染的像素點識別魯棒性較低。

參考文獻(xiàn)：

[1]K.Garg，S.K.Nayar.Vision and rain.International Journal of Computer Vision，2007，75（1）：3-27.

[2]K.Garg，S.K.Nayar.Detection and removal of rain in videos.IEEE Conference on Computer Vision and Pattern Recognition，2004.528-535.