کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6939092 1449968 2018 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Single image deraining via decorrelating the rain streaks and background scene in gradient domain
ترجمه فارسی عنوان
حذف تصویر تنها با استفاده از دکوراسیون رگه های باران و صحنه پس زمینه در دامنه شیب
کلمات کلیدی
حذف باران، دامنه گرادیان، مدل تجزیه،
ترجمه چکیده
حذف باران بر روی تصاویر تنها به دلیل فقدان اطلاعات زمانبندی و محتوا بسیار چالش برانگیز است و تکنیک های موجود در برنامه های در حال اجرا زمان واقعی غیر عملی هستند، زیرا آنها وقت گیر هستند و تصاویر را در سطوح مختلف تار می کنند. برای مقابله با این موضوع، این مقاله چارچوب جدیدی را پیشنهاد می کند که بر اساس یک نظریه جدید است که پس زمینه همبستگی معقولانه با رگه های باران در حوزه ی گرادیان دارد. چارچوب عمدتا شامل سه مرحله است: 1) جهت بدون باران با توجه به یک تصویر باران یا یک بلوک در آن پیشنهاد شده است، توصیف این واقعیت است که در جهت که در آن تصویر حداقل در دامنه شیب قرار دارد، وجود دارد؛ 2) با شبیه سازی تغییرات کل، محدودیت کمینه و یک اصطلاح عدم همبستگی، یک مدل تجزیه جدید برای پیش بینی صحیح اجزای گرادیان باران و باران در امتداد جهت عمود بر جهت مستقیم بدون باران، پیشنهاد می شود. 3) تصویر بدون باران با استفاده از معادله پوآسون بازسازی می شود که به طور موثری در برابر سر و صدای کوچک موجود در شیب ها مقاومت می کند. عملکرد مطلوب چارچوب پیشنهاد شده توسط بسیاری از نتایج تجربی تایید شده است و به ویژه پیچیدگی محاسباتی کم است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
حذف تصویر تنها با استفاده از دکوراسیون رگه های باران و صحنه پس زمینه در دامنه شیب
چکیده انگلیسی
Single image based rain removal is very challenging due to the lack of temporal and context information, and the existing techniques are usually unpractical in real-time applications as they are time-consuming, and make images blurred in varying degrees. To tackle this issue, this paper proposes a novel framework, based on a new observation that the background has a reasonably low correlation with rain streaks in gradient domain. The framework mainly contains three steps: 1) a rain-free direction with respect to a rain image or a block therein is proposed, describing the fact that there exists a direction along which the image is least-affected in gradient domain; 2) by combing total variation, low-rank constraint and a de-correlation term, a novel decomposition model is proposed to explicitly extract the rain and rain-free gradient components along the direction perpendicular to the just calculated rain-free direction; 3) the rain-free image is reconstructed using Poisson equation, which effectively resists the sparse noise contained in gradients. The favorable performance of the proposed framework has been confirmed by many experimental results, and especially the computational complexity is low.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 79, July 2018, Pages 303-317
نویسندگان
, , , , , ,