Изображение Deraining сочинение пример

ООО "Сочинения-Про"

Ежедневно 8:00–20:00

Санкт-Петербург

Ленинский проспект, 140Ж

magbo system

Сочинение на тему Изображение Deraining

Компоненты дождя удаляются с изображения на основе характеристик дождя. Цветное изображение делится на высокочастотную и низкочастотную части, поэтому высокочастотная часть состоит из большинства компонентов дождя. Затем, используя метод изучения словаря, компоненты дождя извлекаются из высокочастотной части.
Чтобы извлечь больше деталей, не связанных с дождем, мы используем чувствительность дисперсии цветовых каналов (SVCC). Наконец, компонент без дождя и низкочастотный компонент объединяются, чтобы получить изображение без дождя.

На качество изображения в основном влияют погодные условия, такие как снег, дождь и т. д. В таких случаях удаление дождя является важным аспектом, поскольку изображения дождя оказывают серьезное влияние на многие алгоритмы компьютерного зрения, такие как распознавание объектов и распознавание обнаружения, обнаружение, отслеживание и т. д.

Здесь мы использовали удаление дождя с одного изображения, поскольку для промышленного и учебного использования оно более гибкое. В этой статье мы выполнили удаление дождя из одноцветного изображения на основе анализа характеристик пикселей дождя. Поэтому мы кратко изложим простые, но весьма полезные характеристики дождя. Во-первых, все пиксели дождя попадают в высокочастотную часть изображения, поскольку дождь отражает свет сильнее, чем любые другие частицы.
Во-вторых, полосы дождя и другие частицы различаются на основе того факта, что между ними часто существует скачок по краю. Поэтому изображение, содержащее полосы дождя, будет иметь высокий средний горизонтальный градиент.

Пиксели дождя появляются в постоянных областях изображения, и их значение не сильно меняется после применения фильтра. Поэтому интенсивность фона принимается как значение пикселя дождя в низкочастотной части и соответствующее значение в высокой частота – это изменение интенсивности после воздействия дождя. Iorig = Ilf + Ihf.
Алгоритм, показанный рядом, используется для извлечения компонентов без дождя из изображения дождя в пиксельной области.

Наконец, компоненты, которые свободны от компонентов дождя, объединены вместе, чтобы получить окончательное изображение, свободное от дождя, т.е. Ifinal = Ilf + HF nr1 + HF nr2 + HF nr3
На основании того факта, что пиксели дождя отражают свет сильнее, чем другие пиксели, мы можем приблизительно оценить положение пикселей дождя на изображении. Для нормализованного изображения, скажем, I, нам нужно вычислить средние значения для каждого пикселя, т.е. eI (x, y) – это позиция пикселя, а 5 средних значений – Ij (j = 1,2,3,4,5).
A окно Wj подходящего размера должно быть выбрано, а средние значения должны быть рассчитаны так, чтобы пиксель I (x, y) находился в центре, внизу слева, вверху слева, внизу справа, вверху справа. Затем, если приведенное ниже уравнение становится истинным для каждого значения j, то соответствующий пиксель, т.е. I (x, y), рассматривается как пиксель дождя.

Берется матрица местоположения размером, равным I, и все пиксели дождя делаются равными 0 в соответствующей позиции пикселя дождя (x, y) и принимают единицы в оставшихся позициях пикселя.
Таким образом, матрица местоположения содержит только только 0 и 1. Теперь исходное изображение I умножается на матрицу местоположения L (умножение выполняется от пикселя к пикселу, т.е. умножение на скаляр), так что все пиксели дождя обнуляются, а полученное изображение передается двустороннему фильтру, который отделяет низкочастотную часть изображение. Затем высокочастотная часть вычисляется просто путем вычитания низкочастотной части из исходного изображения, т.е. Ihf = Ioriginal – Ilf
Чтобы извлечь компоненты, не относящиеся к дождю, присутствующие в высокочастотной части изображения, мы используем изучение словаря метод, который использует анализ морфологического компонента для представления высокочастотной части в тонкодисперсном виде.

Из второй характеристики дождя мы знаем, что дисперсия цветового канала для пикселей без дождя выше по сравнению с пикселями дождя. Итак, из процесса изучения словаря мы найдем сумму дисперсий всех атомов, присутствующих в высокочастотной части.
Для атомов дождя цветовая дисперсия атомов дождя очень мала и почти равна нулю. Поэтому, установив пороговый параметр (/ 1), мы отделяем не относящуюся к дождю составляющую HFnr1 и составляющую дождя HFr1 от полученной высокочастотной части.

После описанного выше процесса некоторые из пикселей без дождя, значения интенсивности цвета которых почти совпадают с пикселями дождя, все еще существуют в высокочастотной части. Таким образом, с помощью другой характеристики дождя, которая основана на горизонтальном градиенте, используется для дальнейшего разделения. Мы вычислим горизонтальный градиент каждого пикселя в атоме словаря и исправим пороговый параметр (/2). Все пиксели, которые имеют меньший горизонтальный градиент, чем порог, рассматриваются как пиксели без дождя (HFnr2) и те, которые имеют более высокий пиксель значение, превышающее пороговое значение, рассматривается как компоненты дождя.
Полученные выше компоненты без дождя, т. е. HFnr1 и HFnr2 и низкочастотная часть исходного изображения, складываются вместе, чтобы сформировать окончательное изображение без дождя. Ифинал = Ilf + HF nr1 + HF nr2 + HF nr3

Зарегистрируйся, чтобы продолжить изучение работы

    Поделиться сочинением
    Ещё сочинения
    Нет времени делать работу? Закажите!

    Отправляя форму, вы соглашаетесь с политикой конфиденциальности и обработкой ваших персональных данных.