基于深度细节残差网络的去雨算法开题报告

1. 研究目的与意义

（1）选题理由

在图像处理的过程中，会遇到各种各样的噪声，比如在夜晚场景下的照片会有很多噪点，在雾霾天气下会朦胧不清，在下雨天会有密密麻麻的雨滴。为了使图像更加清晰，就出现了很多图像的去雨算法、去噪算法、去雾算法等。本次设计主要研究图像的去雨算法。

（2）选题意义

2. 研究内容和预期目标

（1）研究内容

本文提出了一种非相干字典学习方法，其目的是实现单幅图像去雨。与现有单幅图像去雨方法的不同之处在于以下2点。1)构建了一个非相干字典学习的模型，该模型引入了字典的非相干性，抑制了原子间的相似性，能够降低有雨原子与无雨原子间的相似性，能保证聚类时有雨字典与无雨字典的可分性。2)学习的非相干字典具有类似于紧框架的性质，可以逼近等角紧框架，因此，基于本文学习的非相干字典对图像具有更好的稀疏表示性能，其稀疏表示系数正好与图像的规则密切关联。

3. 国内外研究现状

（1）国外研究现状

h.kurihata提出了一种来自车载摄像机图像的天气识别方法，该方法使用子空间方法通过检测挡风玻璃上的雨滴来判断阴雨天。在学习阶段，该方法从雨滴图像中提取主要成分，制作雨滴模型，然后通过模型匹配的方法来检测雨滴。使用主成分分析法学习雨滴的形状，并尝试将测试图像中的区域与学习到的雨滴的区域匹配。然而，由于雨滴是透明的，并且具有各种形状，因此不清楚需要学习多少雨滴才能够建立完善的模型。

martin roser提出了一种在雨天情况下改进图像配准的新方法。基于光度雨滴模型在单个图像中执行雨滴检测,将人工生成的雨滴与具有可能的雨滴进行比较。由于雨滴可以具有各种形状和大小，因此这种方法不能推广用于处理所有的雨滴。

4. 计划与进度安排

1、2022-11-16至2022-11-24：指导老师下达任务书，对本次毕业设计的进度安排、功能实现和系统提出要求。

2、2022-11-25至2022-12-31：系统设计方面，进行系统需求分析，做好基础的数据准备及技术准备工作，构思系统的功能模块及整体框架。

3、2022-01-01至2022-06-28：在导师的指导下，完成论文和系统设计，并通过导师检验。

5. 参考文献

[1]汤红忠﹐王翔﹐张小刚，等.面向单幅图像去雨的非相

干字典学习及其稀疏表示研究们.通信学报﹐2017,38(7) :28-35.

[2]luo y,xu y,ji h. removing rain from a single image via