Single image rain and snow removal via guided L0 smoothing filter
Abstract
- 通过设计导引L0平滑滤波器，提出了一种改进的单幅图像雨雪去除方法。设计的滤波器灵感来自于之前的L0梯度最小化。
Introduction
- 现有的雨雪去除方法可以分为两种情况：一种是用于视频，另一种是用于单幅图像。在视频的情况下，Gary和Nayar开发了一个捕获雨水动力学的相关模型和一个基于物理的运动模糊模型.
- 对于基于单图像的方法，Kang等人提出一种基于图像分解的降雨去除方法，通过字典学习和稀疏编码，可以去除单个图像的降雨分量。
- 许等人提出了一种利用导引滤波器去除雨雪的方法。
- 陈端宇等人提出一种基于稀疏编码的视觉深度引导彩色图像雨纹去除方法，去除雨痕和雪花后，图像中的物体清晰可见。
- 另一方面，单幅图像中的雨条纹或雪片也可以认为是图像噪声。一些常用的降噪方法可用于降雨或除雪。
- 双边滤波器是考虑距离像素及其方差的影响的保边缘平滑滤波器。非局部均值算法是一种流行的图像去噪方法，它基于图像中所有像素的非局部平均。
- 本文基于L0梯度极小化，设计了一种导引L0平滑滤波器。首先，采用传统的导引滤波器获得粗略但几乎无雨或无雪的导引图像。然后设计了导引L0平滑滤波器，用于去除雨雪干扰。
Background
- 根据边缘像素与周围像素之间的关系，所有边缘可分为三类：阶梯边缘、脊边缘和谷边缘。
- 假设边缘的每个点都是相应窗口的中心。为了区分三种边缘，我们将计算和比较相应窗口中的均值和方差。即使窗口尺寸变大，阶梯边缘的平均值和方差几乎保持不变。但对于脊边缘和谷边缘，它们的均值和方差将随着窗口大小的增加而变化。具体地说，当脊边缘的窗口尺寸增大时，均值变小并接近其相邻像素，方差也变小并接近于零；而对于谷边缘，均值变大并接近相邻像素，并且方差也变小并接近于零。
The rain-free or snow-free guidance Image
Guided filter
- 引导滤波器是一种边缘保持平滑滤波器，它在边缘附近工作良好。引导图像可以是观测图像本身或另一参考图像。此外，导引滤波器是一种快速且非近似的线性时间算法，其计算复杂度与滤波核大小无关。引导滤波器的输出图像公式如下：
The low frequency part
- 使用导频滤波器后阶梯边缘的低频部分仍然是阶梯边缘，但其范围变小，这意味着使用导频滤波器后阶梯边缘变得更平滑。
- 如果较小尺寸的脊边缘不受其他边缘的影响，其方差接近0，则脊边缘将消失并趋向背景。属于大尺寸脊边缘，但很难使与背景相等，所以大尺寸脊边缘的低频部分会保持并变得平滑。
- 谷缘的低频部分值将变得大于输入。
- 传统的导引滤波器不能直接去除雪中的噪声，事实上，如果把输入图像作为导引图像，只能得到粗略的结果。因为输出中的边缘被输入图像修改以接近制导图像中的边缘，并且不再是输入图像中的原始边缘。在这种情况下，引导过滤器不能很好地工作。
Guided L0 smoothing filter
L0 gradient minimization
- 通过L0梯度最小化，可以直接优化L0范数，得到分段恒定的输出图像。在本文献中，给出以下最小化问题：
Guided L0 smoothing filter
- 因此，本文提出了一种导引L0平滑滤波器。它利用了L0梯度最小的导向滤波器的特性。与原始的L0梯度最小化算法不同，增强后的图像边缘可以按照无雨/无雪的导引图像进行保留或平滑。具体地，如果制导图像的对应位置是大梯度量，则可以保留观测图像的边缘，并且如果对应位置是低梯度量，则可以平滑观测图像的边缘。
Conclusions
- 本文提出了一种改进的雨雪去除方法。该方法设计了导引L0平滑滤波器。它是基于这样的事实，即小雨条或雪花比相邻的像素更亮。利用导引滤波器后，通过窗口中的均值和方差，可以区分三种边缘的低频部分。
- 因此，我们将观测图像和低频部分作为设计滤波器的输入，以获得粗略的结果。然后进一步通过对粗略结果与观测图像之间的最小化运算，得到最终的细化结果。结果表明，该方法在降雨除雪任务中比现有方法更有效。
Single image rain and snow removal via guided L0 smoothing filter相关推荐
- 论文阅读计划2(Deep Joint Rain Detection and Removal from a Single Image)
Deep Joint Rain Detection and Removal from a Single Image[1] 简介:多任务全卷积从单张图片中去除雨迹.本文在现有的模型上,开发了一种多任务深 ...
- MyDLNote - Enhancement: Fast Single Image Rain Removal via a Deep Decomposition-Composition Network
Fast Single Image Rain Removal via a Deep Decomposition-Composition Network [paper] Fast Single Imag ...
- 深度去雨--Deep Joint Rain Detection and Removal from a Single Image
CVPR 2017 https://arxiv.org/abs/1609.07769?context=cs 文中说代码和模型会公布的. 首先通过下图感性认识一下图像中去雨是怎么回事 针对去雨问题已经提 ...
- 【论文阅读】Deep Joint Rain Detection and Removal from a Single Image
该论文发表于CVPR2017 为了更好地去除各种真实场景下的雨,包括大雨和雨线积累的情况(rain streak accumulation,单个的雨线无法看清,形成雾效),作者提出了新的雨图模型和去雨 ...
- Clearing the Skies: A deep network architecture for single-image rain removal解读
Clearing the Skies: A deep network architecture for single-image rain removal解读 Abstract 1.Introduct ...
- 【论文翻译】中英对照翻译--（Attentive Generative Adversarial Network for Raindrop Removal from A Single Image）
[开始时间]2018.10.08 [完成时间]2018.10.09 [论文翻译]Attentive GAN论文中英对照翻译--(Attentive Generative Adversarial Net ...
- 文献阅读：Learning Aggregated Transmission Propagation Networks for Haze Removal and Beyond
文献连接:直达 一.文献梳理 1.摘要 背景:单图像去雾是一项重要的基础视觉任务,具有广泛的应用前景. 以往研究:传统方法使用视觉先验方法解决去雾问题,但当他们的假设对特定图像无效时,可能会造成去雾失 ...
- 【ECCV2020】完整论文集part2
ECCV2020将于2020年8月23-28日在线上举行,今年共接受了1361篇论文,本文是接收论列表的第二部分,第一部见链接 Paper ID Paper Title Category 2515 T ...
- Autonomous Driving in Adverse Weather Conditions: A Survey - 恶劣天气条件下的自动驾驶：一项调查 (arXiv 2021)
Autonomous Driving in Adverse Weather Conditions: A Survey - 恶劣天气条件下的自动驾驶:一项调查(arXiv 2021) 摘要 1. 引言 ...
最新文章
- vsim生成VCD波形文件(verilog)
- 【强化学习】Q-Learning
- Objective-C开发编码规范
- DRBD 高可用配置详解(转)
- iOS常见问题(5)
- 使用Angular的http client发送请求，请求response总是被当成json类型处理
- BestCoder Round #39 解题报告
- Keil用C语言定义函数,STC单片机Keil中C语言函数定位的方法
- 【学习OpenCV4】在OpenCV中响应键盘与鼠标操作
- 关于小米手机网站抢购的一点技术分析
- 如何批量将 psd 转换为 png、jpeg、bmp、svg、webp 格式
- linux缺少libeds.so,OpenSSL鏈接libcrypto.a以靜態方式
- bandizip修改压缩文件内容_BandiZip解压添加压缩文件教程
- ROVIO mobile webcam 路威机器人
- centos 架设虚拟服务器,centos虚拟主机搭建（centos搭建网站）
- full outer join应用场景
- 广东中考可以用计算机吗,广州中考改革迎五大变革：中考禁用计算机 详细新政一览...
- Python中的print函数及其中单引号双引号区别
- hadoop之mapreduce教程+案例学习（二）
- 解决找不到pandas问题