科创中国

本发明提供了一种单幅图像中去除雨滴影响的方法和系统，其方法包括：基于经验模式分解法对待处理图像进行图像分解，提取所述待处理图像的高频部分，形成体现所述高频部分信息的高频特征图；识别所述待处理图像中图像元素的边缘，获得特征轮廓图；利用图像形态学操作对所述边缘内的图像区域进行处理，获得第一中间图像；从所述高频特征图中减去所述第一中间图像，获得雨线特征图；将所述待处理图像与所述雨线特征图相减，获得去雨后的图像。本发明有效提高了图像的处理速度。

1.一种单幅图像中去除雨滴影响的方法，其包括：基于经验模式分解法对待处理图像进行图像分解，提取所述待处理图像的高频部分，形成体现所述高频部分信息的高频特征图；采用基于梯度的边缘检测算法识别所述待处理图像中图像元素的边缘，获得特征轮廓图；利用图像形态学操作对所述边缘内的图像区域进行处理，获得第一中间图像；从所述高频特征图中减去所述第一中间图像，获得雨线特征图；将所述待处理图像与所述雨线特征图相减，获得去雨后的图像；在所述去雨后的图像上叠加所述特征轮廓图，获得修复后的图像。

由于拥有包括自动性、智能性、高效性等诸多优点，户外计算机视觉系统被广泛使 用在军事国防、医疗技术、智能交通等领域。但是恶劣天气会严重影响其性能，甚至导致其 完全失效。所以消除恶劣天气影响的有效方法，对于一个全天候的户外视觉系统来说必不 可少。在诸多恶劣天气情况中，雨由于拥有较大粒子(雨滴)半径及其他复杂物理特性，会对 视觉系统所摄取的图像的质量造成较大程度的影响。图像雨滴去除技术通过使用雨的物 理、频率等特性，对图像中的雨滴进行识别、去除。其不仅能够显著提升图像质量，还有利于 图像的进一步处理。因此，图像雨滴去除技术已经成为计算机视觉领域不可缺少的关键性 技术。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

基于上述方法和系统，本发明通过基于经验模式分解的图像分解技术，获得图像 的高频部分，再使用图像边缘识别算法，两者结果相减，从而最终得到被雨影响的像素，由 于被雨影响的像素亮度较高，最后通过从原图中减去之，得到去雨图像，本发明能够有效改 善受雨^响图像的视觉效果，可以处理彩色图像，且提高了运算速度。利用本发明的方法能 够将单幅图像处理时间降低50 %左右。

技术合作

本发明在本文中提出了一种新的图像去雨方法，其通过基于经验模式 分解的图像分解技术，获得图像的高频部分，再使用图像边缘识别算法，两者结果相减，从 而最终得到被雨影响的像素，由于被雨影响的像素亮度较高，最后通过从原图中减去之，得 到去雨图像。本发明能够有效改善受雨影响图像的视觉效果，可以处理彩色图像，且提高了 运算速度。更进一步地，本发明使用经验模式分解进行图像分解，且基于图像算数运算对图 像间进行取交集处理，具有优于其他算法的性能，且大幅缩小了去雨所需的时间，远远低于 传统方法处理的时间。本发明还克服了基于稀疏编码的单幅图像去雨算法的仅可处理灰度 图像的缺点，能够对彩色图像进行处理，并能够获得较好的效果。例如，图4所示的待处理图 像，经过基于二维经验模态分解方法和Prewitt边缘识别算法的上述步骤100至步骤6〇〇的 处理后得到了如图5所示的效果图，处理一幅图像的时间为25.473秒。

[0104]以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并 不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员 来说，在不脱离本发明构思的前提下，还可以做出若千变形和改进，这些都属于本发明的保 护范围。因此，本发明专利的保护范围应以所附权利要求为准。