第2期 王科平，等：一种基于雨线主方向自适应的全局稀疏去雨模型 ·277· 表1采用掩膜图后的定量分析 p=p片+B((r-s）-） Table 1 Quantitative analysis with mask image 内=吃+B,(战-） 竹子 PSNR/dB SSIM 阈值0.79 p哈=p+B(s1-w)） 30.9364 0.91105 4)当有下式成立时 阈值0.80 30.9468 0.91597 r.-s吃，l/pra.-s哈l>tol=e-3 阈值0.81 30.9526 0.91977 or k<Miter =200 阈值0.82 30.9594 0.92189 通过全局稀疏模型所得的最小化能量泛函的 阈值0.83 30.9600 0.92208 解对应Y通道去雨图，即： 阈值0.84 30.9602 0.92211 tD.=rD-SD 最后，通过式(26)，对未受雨水影响的部分背 阈值0.85 30.9603 0.92212 景进行保护，通道重组后，颜色空间转换到RGB 阈值0.86 30.9604 0.92212 空间中，得最终的去雨结果图。 3实验结果与分析 1=Shrink +塔剖 3.1合成数据定性分析 为验证本文算法的有效性，并与近期典型对 比文献[6]、[13]、[14]所提算法进行对比实验及 =min(ro..max(0)) 分析。如图5所示。 (a)真实图(b)合成雨图(c)Luo (d)Li (e)Deng(①本文 图5合成图的视觉效果对比 Fig.5 Visual comparison of synthetic images 在硬件配置为Intel(R)Core(TM)i5-3210M 然有效地去除了雨线，但背景细节模糊化较为明 CPU@2.50GHz4 GB RAM的PC机，软件使用 显，如“竹子”图的竹子纹理等处。 Matlab R2014a进行实验。 本文算法和Deng等1相比，在较大程度 以“竹子”、“熊猫”、“女孩”、“树林”这4张合 保护背景信息的前提下，比文献[14]去雨稍彻 成图为例，展示4种算法视觉上的差异，可发现： 底，同时背景信息也能较好地保留。整体上看， Lu0等6算法背景保存最为完整，但是雨线残留 本文算法比文献[6]可更有效地去除雨线，同时 较明显，如“竹子”图的地面等处。Li等]算法虽 比文献[13]更好地保留图像背景的细节信息。当v k+1 = Shrink( s k Dθ + p k 2 β2 , λ2 β2 ) w k+1 = Shrink( ∇yˆs k Dθ + p k 3 β3 , 1 β3 ) s k+1 Dθ = min( rDθ ,max( s˜ k+1 Dθ ,0 )) p k+1 1 = p k 1 +β1 ( ∇xˆ ( rDθ − s k+1 Dθ ) −u k+1 ) p k+1 2 = p k 2 +β2 ( s k+1 Dθ −v k+1 ) p k+1 3 = p k 3 +β3 ( ∇yˆs k+1 Dθ −w k+1 ) 4) 当有下式成立时 rDθ − s k Dθ / rDθ − s k−1 Dθ > tol = e −3 or k < Miter = 200 通过全局稀疏模型所得的最小化能量泛函的 解对应 Y 通道去雨图，即： tDθ = rDθ − sDθ 最后，通过式 (26)，对未受雨水影响的部分背 景进行保护，通道重组后，颜色空间转换到 RGB 空间中，得最终的去雨结果图。 3 实验结果与分析 3.1 合成数据定性分析 为验证本文算法的有效性，并与近期典型对 比文献 [6]、[13]、[14] 所提算法进行对比实验及 分析。如图 5 所示。 (a) 真实图 (b) 合成雨图 (c) Luo (d) Li (e) Deng (f) 本文 图 5 合成图的视觉效果对比 Fig. 5 Visual comparison of synthetic images 在硬件配置为 Intel(R) Core (TM) i5-3210M CPU @2. 50 GHz 4 GB RAM 的 PC 机，软件使用 Matlab R2014a 进行实验。 以“竹子”、“熊猫”、“女孩”、“树林”这 4 张合 成图为例，展示 4 种算法视觉上的差异，可发现： Luo 等 [6] 算法背景保存最为完整，但是雨线残留 较明显，如“竹子”图的地面等处。Li 等 [13] 算法虽 然有效地去除了雨线，但背景细节模糊化较为明 显，如“竹子”图的竹子纹理等处。 本文算法和 Deng 等 [ 1 4 ] 相比，在较大程度 保护背景信息的前提下，比文献 [14] 去雨稍彻 底，同时背景信息也能较好地保留。整体上看， 本文算法比文献 [6] 可更有效地去除雨线，同时 比文献 [13] 更好地保留图像背景的细节信息。当 表 1 采用掩膜图后的定量分析 Table 1 Quantitative analysis with mask image 竹子 PSNR/dB SSIM 阈值0.79 30.936 4 0.911 05 阈值0.80 30.946 8 0.915 97 阈值0.81 30.952 6 0.919 77 阈值0.82 30.959 4 0.921 89 阈值0.83 30.960 0 0.922 08 阈值0.84 30.960 2 0.922 11 阈值0.85 30.960 3 0.922 12 阈值0.86 30.960 4 0.922 12 第 2 期 王科平，等：一种基于雨线主方向自适应的全局稀疏去雨模型 ·277·