[发明专利]一种基于优化算法结合残差网络的单幅图像除雨方法

摘要

一种基于优化算法结合残差网络的单幅图像除雨方法，属于计算机视觉应用技术领域。本方法使用交替方向乘子法ADMM求解雨天图像成像模型，并将残差网络和降噪算法嵌入ADMM框架中作为背景先验和雨先验进行迭代，将雨天拍摄的图像分成无雨清晰背景部分和雨迹部分。其中在残差网络中，使用合成雨图/清晰背景图像对作为训练集进行训练，用来描述图像背景先验。通过实验验证，使用嵌入残差网络的ADMM算法除雨结果的PSNR值高于其他除雨算法。另外，本发明也将其他已有的除雨算法嵌入ADMM除雨算法中作为背景先验迭代，得到的除雨效果也优于原算法本身的效果。

主权项

1.一种基于优化算法结合残差网络的单幅图像除雨方法，其特征在于，所述的方法使用ADMM算法求解图像除雨模型，并分别嵌入残差网络和降噪算法来替代图像背景先验和雨先验，迭代后将雨天拍摄的图像分成无雨清晰背景部分和雨迹部分；图像除雨模型求解的具体步骤如下：步骤一、将图像除雨问题建模为如下优化问题：其中，表示优化后的背景；表示优化后的雨迹；O表示观察到的有雨图像，B表示待求的无雨清晰图像，R表示O与B的残差，即雨迹，表示背景先验，Ψ(R)表示雨先验，F表示F‑范数；步骤二、引入两个临时变量P和Q，将公式(1)的无约束优化问题转变成如公式(2)的有约束优化问题：其中，表示优化后的临时变量P；表示优化后的临时变量Q；步骤三、用ADMM算法求解有约束优化问题：首先求解公式(2)的拉格朗日方程：其中，S，T表示对偶变量；ρ_B、ρ_R表示惩罚因子；公式(3)的迭代求解过程为：S^k+1＝S^k+(B^k+1‑P^k+1)                      (7)T^k+1＝T^k+(R^k+1‑Q^k+1)                      (8)其中，k表示迭代的次数，表示优化后的对偶变量；公式(4)表示去雨模型的迭代求解过程；公式(5)表示背景先验，背景先验描述雨天气图像中的清晰背景，结合残差网络具有描述特征的能力，可以通过训练一个从O到B的神经网络来代替公式(5)的迭代；公式(6)表示雨先验，雨迹本身非常稀疏，是接近0的，描述为而是一个包含部分背景噪声的雨图，所以公式(6)被当作一个降噪步骤；所以公式(5)和(6)分别被替换成如下公式：其中，H表示残差网络，D_σ表示基于导向滤波的降噪算法。