基于收缩稀疏编码与学习雨字典的去雨

本文介绍一种基于单幅图像稀疏编码收缩的新去雨模型。近来，字典学习与稀疏编码已广泛用于图像复原问题。这些方法也可通过学习的雨和非雨两种字典并强制雨字典的稀疏编码为零向量来应用于去雨。然而，该方法会在非雨区域产生不想要的边缘伪影和细节丢失。基于该观察，本文提出一种新的收缩稀疏编码方法。为有效收缩雨和非雨区域的稀疏编码，利用学习的雨字典生成输入雨图像与重建雨图像之间的误差图。基于该误差图，联合使用雨和非雨字典的稀疏编码来表示物体图像结构并避免非雨区域中的边缘伪影。在雨区域，计算雨和非雨字典间的相关矩阵。然后，联合收缩雨和非雨字典中高度相关信号原子对应的稀疏编码，以改进雨结构的去除。实验结果表明，所提基于收缩的稀疏编码能保留图像结构并避免非雨区域中的边缘伪影，且能去除雨区域中的雨结构。此外，视觉质量评估证实所提方法优于常规纹理与去雨方法。