[发明专利]一种针对去雨图像的多级迭代协同表示的后处理方法

权利要求书

1.一种针对去雨图像的多级迭代协同表示的后处理方法，其特征在于，步骤如下：

1)输入去雨图像和对应的无雨图像；其中，去雨图像为有雨图像经过去雨算法后得到的图像，无雨图像为对应场景采集到的未包含雨条信息的图像；

2)分别在RGB三通道上对去雨图像进行水平方向和垂直方向上的滤波，提取RGB每个通道的梯度和拉普拉斯特征块，最后将RGB三通道的特征块进行合并，进行PCA降维，得到融合特征块；

3)将得到的融合特征块，利用K-SVD算法训练去雨图像字典D_L；具体如下：

其中，为字典的起始点，n为字典迭代的次数，是第一级迭代中去雨图像块的特征块，cⁱ是去雨图像块相对应的系数，i为输入图片对的数量，L为训练字典的最大稀疏度；

4)对于去雨图像字典D_L中的每个原子从去雨图像-无雨图像训练特征块集中搜索其相应的去雨图像-无雨图像训练特征块的最近邻域，并求取其映射矩阵；其中，去雨图像和对应的无雨图像作为一对训练图像对，分别对各训练图像对中的去雨图像提取梯度和拉普拉斯特征，组成去雨图像-无雨图像训练特征块；采用余弦相似度的绝对值来度量与之间的相似度，进而得到邻域，通过邻域求取映射矩阵；其中，度量公式如下：

其中，为相应字典中的原子，k为相应的字典中融合特征块的数量；

计算映射矩阵具体如下：

其中，为第一次迭代产生的映射矩阵，为当前无雨图像邻域，表示当前去雨图像邻域，表示去雨图像块，λ是超参数，I为去雨图像；

5)以去雨图像字典D_L中的作为起始点，定义去雨图像的优化为一个协同问题，通过多级迭代协同表示从映射矩阵中提取去雨图像特征，进而优化去雨图像；协同问题表示为：

其中，表示为解决问题而选择的去雨图像邻域，表示去雨图像块，ω是超过的正则化系数，λ是超参数，I为去雨图像，k为相应的字典中融合特征块的数量；

去雨图像特征的提取计算如下：

其中，为当前无雨图像邻域，和构成相应的去雨图像-无雨图像融合特征块邻域；

多级迭代如下：重复训练各级映射矩阵提取各级映射矩阵的去雨优化图像，并输出作为相应级的训练图像，最终生成最后的映射矩阵