图像去雨-雨线清除-图像处理-(计算机作业附代码)

背景

多年来,图像去雨已经被广泛研究,使用传统方法和基于学习的方法。然而,传统方法如高斯混合模型和字典学习方法耗时,并且无法很好地处理受到严重雨滴影响的图像块。

算法

通过考虑雨滴条状特性和角度分布,这个问题可以得到很好的解决。在本文中,通过引入任意方向的方向梯度算子,我们提出了一种高效且稳健的基于约束的模型用于单幅图像去雨。此外,一个雨滴条状密度度量被应用于将所提出的模型推广到轻雨和重雨的情况。

通过建立分层结构,是的图像由:

bash 复制代码
I=B+R

即图像由背景层+雨层构成。如何将雨层与背景层隔离,面临着巨大的逻辑处理。通过大量实验,我们得出,雨层在图像中高亮且有规律的存在。通过构建雨线长、宽、角度信息。加之考虑其亮度通道,我们可以完美提取出雨层,由此完成了图像去雨任务。

bash 复制代码
#qq1309399183
Theta_cluster = []#
    for i in range(1,num,1):
        b=np.argwhere(L==i)
        h,_=b.shape
        c=b-np.mean(b,0)

        c_T=c.T

        A=np.zeros((2,2))

        for i in range(2):
            for j in range(2):

                A[i,j]=np.sum(c_T[i,:]*c[:,j])

        W,V=np.linalg.eig(A)   #W特征值 V特征向量
#         lambda1 = abs(W[0])
#         lambda2 = abs(W[1])
        lambda1 = min(abs(W[0]),abs(W[1]))
        lambda2 = max(abs(W[0]),abs(W[1]))

代码运行

1.更换图像输入路径

2.然后点击运行即可

bash 复制代码
python derain.py

结论

在合成数据集上的大量实验证明,所提出的模型在需要更少时间的情况下优于GMM和JCAS。此外,在真实场景中,与最先进的基于学习的方法相比,所提出的方法获得了更好的泛化能力。

相关推荐
皓7411 分钟前
服饰电商行业知识管理的创新实践与知识中台的重要性
大数据·人工智能·科技·数据分析·零售
985小水博一枚呀39 分钟前
【深度学习滑坡制图|论文解读3】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer
AltmanChan40 分钟前
大语言模型安全威胁
人工智能·安全·语言模型
985小水博一枚呀44 分钟前
【深度学习滑坡制图|论文解读2】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer·迁移学习
数据与后端架构提升之路1 小时前
从神经元到神经网络:深度学习的进化之旅
人工智能·神经网络·学习
爱技术的小伙子1 小时前
【ChatGPT】如何通过逐步提示提高ChatGPT的细节描写
人工智能·chatgpt
深度学习实战训练营2 小时前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20064 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_4 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover4 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别