一种基于后验扩散采样的图像去雨方法技术

技术编号：44832527 阅读：8 留言：0更新日期：2025-04-01 19:33

本申请公开了一种基于后验扩散采样的图像去雨方法，涉及图像处理领域，该方法包括：将雨退化图像输入初始去雨模型，得到初步去雨结果；将初步去雨结果输入所述初始去雨模型，并结合初步去雨结果得到雨条纹结果；采用图像掩码技术，将雨条纹结果转化为掩码图像；将掩码图像输入至扩散模型，得到图像去雨处理结果。本申请能够在提高图像去雨效果的同时，解决应用扩散模型去雨时存在的训练成本高、所需的训练资源多、训练时间长且泛化能力相对较弱等问题。

全部详细技术资料下载

【技术实现步骤摘要】

本申请涉及图像处理领域，特别是涉及一种基于后验扩散采样的图像去雨方法。

技术介绍

1、图像去雨是指在观测图像受到降雨退化影响后，从退化图像中恢复出清晰的背景图像，这个问题涉及到雨条纹和背景信息的估计。已知的去雨方法从雨条纹的性质入手，采用字典学习、稀疏表示等方法近似雨条纹，以实现图像去雨。已知的去雨方法通用性较强，但存在去雨效果差的缺点。

2、近来，扩散去噪概率模型及其连续形式的基于分数的模型在图像处理领域蓬勃发展，凭借其可用于多种任务的预训练框架、强大的深度生成先验、可解释的生成过程和稳定的训练过程，迅速泛化出大量新成果。扩散模型作为一种新兴的生成模型，在图像生成任务中展现出巨大潜力，能够生成多样化和高感知性的图像。然而，目前将扩散模型应用于图像去雨的思路主要集中在使用扩散模型直接进行训练，利用现有数据集，尝试通过输入退化图像引导扩散模型的生成过程，直接生成清晰背景图像。但是，这种应用扩散模型去雨的思路存在训练成本高、所需的训练资源多、训练时间长且泛化能力相对较弱等问题。

技术实现思路

1、本申请的目的是提供一种基于后验扩散采样的图像去雨方法，能够在提高图像去雨效果的同时，解决应用扩散模型去雨时存在的训练成本高、所需的训练资源多、训练时间长且泛化能力相对较弱等问题。

2、为实现上述目的，本申请提供了如下方案：

3、第一方面，本申请提供了一种基于后验扩散采样的图像去雨方法，包括：

4、将雨退化图像输入初始去雨模型，得到初步去雨结果；</p>

5、将所述初步去雨结果输入所述初始去雨模型，并结合所述初步去雨结果得到雨条纹结果；

6、采用图像掩码技术，将所述雨条纹结果转化为掩码图像；

7、将所述掩码图像输入至扩散模型，得到图像去雨处理结果。

8、可选地，所述初始去雨模型包括：逐步优化残差网络模型、可解释性网络结构模型或扩散模型。

9、可选地，将所述初步去雨结果输入所述初始去雨模型，并结合所述初步去雨结果得到雨条纹结果，包括：

10、将所述初步去雨结果输入所述初始去雨模型，得到二次去雨结果；

11、基于所述初步去雨结果和所述二次去雨结果，得到所述雨条纹结果。

12、可选地，采用图像掩码技术，将所述雨条纹结果转化为掩码图像，包括：

13、对所述雨条纹结果进行二值化操作得到掩码；

14、基于所述掩码生成所述掩码图像。

15、可选地，将所述掩码图像输入至扩散模型，得到图像去雨处理结果，包括：

16、从标准正态分布中采样多个初始噪声，并采用所述扩散模型基于每一所述初始噪声获取与所述初始噪声对应的预测噪声；

17、基于所述预测噪声获取后验采样均值；

18、基于所述后验采样均值进行扩散采样更新，得到扩散采样更新结果；

19、基于所述掩码图像、所述扩散采样更新结果和所述后验采样均值对所述掩码图像进行修正，得到修正结果；

20、基于所述修正结果生成背景图像，并将所述背景图像作为所述图像去雨处理结果。

21、可选地，所述修正结果表示为：

22、

23、式中，xi-1表示修正结果，xi′-1表示扩散采样更新结果，ζi表示步长，表示表示对第i个初始噪声xi进行求导，xi,i＝n,...,3,2,1表示第i个初始噪声，y表示掩码图像，表示后验采样均值，||||2表示二范数。

24、根据本申请提供的具体实施例，本申请具有了以下技术效果：

25、本申请提供了一种基于后验扩散采样的图像去雨方法，采用初始去雨模型对雨退化图像进行两次去雨处理，能够将图像去雨问题转变为图像的修复问题，然后，通过对基于两次去雨结果得到雨条纹结果进行掩码处理，再由扩散模型实现修复，能够将初步去雨结果中有问题的部分掩盖，提高图像去雨的效果。此外，通过将图像去雨问题转变为图像的修复问题，并采用扩散模型解决这一修复问题，无需采用标注图像样本对扩散模型进行训练，能够解决应用扩散模型去雨时存在的训练成本高、所需的训练资源多、训练时间长且泛化能力相对较弱等问题。

本文档来自技高网...

【技术保护点】

1.一种基于后验扩散采样的图像去雨方法，其特征在于，所述基于后验扩散采样的图像去雨方法包括：

2.根据权利要求1所述的基于后验扩散采样的图像去雨方法，其特征在于，所述初始去雨模型包括：逐步优化残差网络模型或可解释性网络结构模型。

3.根据权利要求1所述的基于后验扩散采样的图像去雨方法，其特征在于，将所述初步去雨结果输入所述初始去雨模型，并结合所述初步去雨结果得到雨条纹结果，包括：

4.根据权利要求1所述的基于后验扩散采样的图像去雨方法，其特征在于，采用图像掩码技术，将所述雨条纹结果转化为掩码图像，包括：

5.根据权利要求1所述的基于后验扩散采样的图像去雨方法，其特征在于，将所述掩码图像输入至扩散模型，得到图像去雨处理结果，包括：

6.根据权利要求5所述的基于后验扩散采样的图像去雨方法，其特征在于，所述修正结果表示为：

【技术特征摘要】

1.一种基于后验扩散采样的图像去雨方法，其特征在于，所述基于后验扩散采样的图像去雨方法包括：

2.根据权利要求1所述的基于后验扩散采样的图像去雨方法，其特征在于，所述初始去雨模型包括：逐步优化残差网络模型或可解释性网络结构模型。

3.根据权利要求1所述的基于后验扩散采样的图像去雨方法，其特征在于，将所述初步去雨结果输入所述初始去雨模型，并结合所述初步去雨结果得到雨条纹...

【专利技术属性】
技术研发人员：王泽龙，吴宇航，苏健，税洋，常雅君，张晨琳，李健，杨轩，王兴旺，王鑫泽，李甘雨，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人