CN104599256A - 基于单幅图像的去除图像雨线的方法和系统 - Google Patents

Abstract

本发明提供了一种基于单幅图像的去除图像雨线的方法和系统，其方法包括：基于设定的局部图像窗口提取待处理图像中的像素灰度值；计算位于所述局部图像窗口内图像块对应的图像局部熵；提取所述图像局部熵大于或大于等于预设值的图像块，形成第一中间图像；识别所述待处理图像中图像元素的边缘，利用图像形态学操作对所述边缘内的图像区域进行处理，获得第二中间图像；取所述第一中间图像和第二中间图像的交集，获得去除所述待处理图像中雨线部分的轮廓图；将上述轮廓图经过数据标准化处理后得到的图像、与上述待处理图像取交集，获得雨线去除后的结果图像。本发明可快速去除图像中雨滴的影响，提高了图像处理速度。

Description

基于单幅图像的去除图像雨线的方法和系统

技术领域

本发明涉及数字图像处理技术，特别是涉及一种基于单幅图像的去除图像雨线的方法和系统。

背景技术

由于拥有包括自动性、智能性、高效性等诸多优点，户外计算机视觉系统被广泛使用在军事国防、医疗技术、智能交通等领域。但是恶劣天气会严重影响其性能，甚至导致其完全失效。所以消除恶劣天气影响的有效方法，对于一个全天候的户外视觉系统来说必不可少。在诸多恶劣天气情况中，雨由于拥有较大粒子(雨滴)半径及其他复杂物理特性，会对视觉系统所摄取的图像的质量造成较大程度的影响。图像雨滴去除技术通过使用雨的物理、频率等特性，对图像中的雨滴进行识别、去除。其不仅能够显著提升图像质量，还有利于图像的进一步处理。因此，图像雨滴去除技术已经成为计算机视觉领域不可缺少的关键性技术。

近些年来关于图像中雨滴检测与去除的研究已然成为热点。Starik等在2003年最早提出了时域均值的雨滴去除策略，作者认为在视频图像序列中，雨滴对像素的影响只存在于少数几帧中，故可直接对视频帧进行平均就可以得到去除了雨的影响的原图像。遗憾的是，他们并没有对方法进行试验验证。Garg和Nayar最早使用了雨的动态及光度特性(K.Garg and S.K.Nayar,“Detection and removal of rain from videos,”in Proc.IEEE Conf.Comput.Vis.Pattern Recognit.,Jun.2004,vol.1,pp.528–535)，分别建立了两种模型，并基于这两个模型提出了检测和去除雨的方法。对于雨的动态模型，其表明了雨在其下落方向具有时域相关性；对于光度模型，其分为静态雨及动态雨模型。对于静态雨滴，其亮度显著高于其覆盖的背景；对于动态雨滴(雨线)，其亮度由静态雨滴亮度、背景亮度及相机曝光时间决定。之后，作者提出了一种使用帧差法进行雨滴初检，使用两种特性进行误检去除，并最终利用前后帧图像信息进行雨滴去除的方法。虽然此 方法性能较好，但其对于严重失焦(远处)的雨、明亮背景上的雨及雨势变化无法处理。2006年Zhang等人(Zhang X P,Li H,Qi Y Y,Leow W K,Ng T K.Rain removal in video by combining temporal and chromatic properties.In:Proceedings of the 2006International Conferenceon Multimedia and Expo.Toronto,Canada:IEEE,2006.461：464)使用了雨的时域分布及色彩特性。由于雨的时域分布直方图显示两个峰(分别代表雨滴亮度及背景亮度)，且近似构成高斯混合模型，故非监督学习方法——K-means聚类能够有效地对之进行分离。之后，作者发现被雨滴影响像素的帧间RGB值的变化基本相同，故误检能够进一步被去除。此方法实验效果较好，但是在整个视频利用聚类的方法辨别雨滴和背景，计算效率不高，不能进行实时的处理。2007年Barnum等人(Barnum P C,Narasimhan S G,Kanade T.Analysis of rainand snow in frequency space.Internatio-nal Journal of Computer Vision,2010,86(2：3):256：274)注意到之前的多数方法严重依赖于清晰雨线的提取，而雨线由于会造成重复的模式，在频域中对雨进行分析是合理的。作者建立高斯模型来近似雨的影响，并通过求在三维傅里叶变换中的模型所占比例进行雨滴检测，进而通过迭代去雨，最后反变换至视频图像。实验结果表明此种方法拥有较好的处理性能，但此方法的时间复杂度过高，且对于不显眼的雨及雨势变化的处理，其会出现显著性能下降。

以上的基于单幅图像的去雨方法，多仅能处理灰度图像，且方法所需时间较长，例如最新的优化算法(Chen等的方法)，处理特定单幅图像的时间在100s以上，同时输出图像会出现一定程度上的模糊。

基于现有技术中单幅图像雨滴去除技术的时间复杂度过高，不利于方法的推广的缺点，有待进一步地提高图像中的雨滴去除技术。

发明内容

基于此，有必要针对现有技术中存在的问题，提供一种基于单幅图像的去除图像雨线的方法和系统，其可快速去除图像中雨滴的影响，提高了图像处理速度。

一种基于单幅图像的去除图像雨线的方法，其包括：

基于设定的局部图像窗口提取待处理图像中的像素灰度值；

计算位于所述局部图像窗口内图像块对应的图像局部熵；

提取所述图像局部熵大于或大于等于预设值的图像块，形成第一中间图像；

识别所述待处理图像中图像元素的边缘，利用图像形态学操作对所述边缘内的图像区域进行处理，获得第二中间图像；

取所述第一中间图像和第二中间图像的交集，获得去除所述待处理图像中雨线部分的轮廓图；

将所述轮廓图经过数据标准化处理后得到的图像、与所述待处理图像取交集，获得雨线去除后的结果图像。

在其中一个实施例中，所述方法还包括：

利用各向扩散异性滤波处理所述结果图像。

在其中一个实施例中，所述计算位于所述局部图像窗口内图像块对应的图像局部熵的过程包括以下步骤：

计算所述局部图像窗口内图像块中每个像素的灰度值与所述图像块内所有像素的灰度值之和的比值；

调用下述公式(1)计算所述图像块对应的图像局部熵，

$H=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{p}_i\log \left(p_i\right)---\left(1\right)$

其中，p_i表示所述比值，H表示所述图像块对应的图像局部熵，n表示所述局部图像窗口内像素的个数。

在其中一个实施例中，所述提取所述图像局部熵大于或大于等于预设值的图像块形成第一中间图像的过程包括：

判断所述图像块对应的图像局部熵是否大于或大于等于预设值，若是则将该图像块内所有像素的灰度值赋值为1，若否则将该图像块内所有像素的灰度值赋值为0，用以形成所述第一中间图像。

在其中一个实施例中，所述识别所述待处理图像中图像元素的边缘的过程中，基于图像灰度采用普里维特算子对图像进行边缘检测。

在其中一个实施例中，所述利用图像形态学操作对所述边缘内的图像区域 进行处理的过程包括：基于开运算操作对所述边缘的连通图像区域进行孔洞填充及图像优化处理。

在其中一个实施例中，所述方法中取两个图像交集的方式是将所述两个图像相乘。

在其中一个实施例中，所述通过各向扩散异性滤波处理所述结果图像的过程包括：

构建基于图像滤波技术的非线性热扩散方程，在所述非线性热扩散方程中引入图像灰度特征；以所述结果图像为输入图像，基于预设的扩散系数求解所述非线性热扩散方程，获得处理后的图像数据。

一种基于单幅图像的去除图像雨线的系统，其包括：

提取模块，用于基于设定的局部图像窗口提取待处理图像中的像素灰度值；

计算模块，用于计算位于所述局部图像窗口内图像块对应的图像局部熵；

分离模块，用于提取所述图像局部熵大于或大于等于预设值的图像块，形成第一中间图像；

识别模块，用于识别所述待处理图像中图像元素的边缘，利用图像形态学操作对所述边缘内的图像区域进行处理，获得第二中间图像；

第一运算模块，用于取所述第一中间图像和第二中间图像的交集，获得去除所述待处理图像中雨线部分的轮廓图；及

第二运算模块，用于将所述轮廓图经过数据标准化处理后得到的图像、与所述待处理图像取交集，获得雨线去除后的结果图像。

在其中一个实施例中，所述系统还包括：滤波模块，用于利用各向扩散异性滤波处理所述结果图像。

本发明提出一种利用图像局部信息的单幅图片雨滴快速去除方法，通过使用特定阈值及窗口大小，计算图像局部信息，以确定图像含雨部分；之后使用相应的图像边缘识别方法，综合上一步计算结果，得到改进的雨线部分图，通过图像算数运算进行雨线去除；更进一步地，在最后通过各项扩散异性滤波进行图像质量增强，本方法有效改善了图像效果。利用本发明的方法能够将单幅图像处理时间降低50％左右，实验表明，对于特定大小的彩色图像，处理时间 能够从利用传统方法执行所需的100s左右降低至40s。

附图说明

图1为本发明方法的一个实施例流程示意图；

图2(a)为待处理图像的效果图；图2(b)为本发明一个实施例中的第一中间图像的效果图；

图3为本发明一个实施例中的结果图像的效果图；

图4为本发明方法的另一个实施例流程示意图；

图5为本发明系统的一个实施例结构示意图。

具体实施方式

基于机器视觉领域的图像去雨技术，本发明提供了一种基于单幅图像的快速去除图像雨线的方法，通过使用特定阈值及图像提取窗口大小，计算图像局部熵信息，以确定图像含雨部分；之后使用相应的图像边缘识别方法，综合上一步计算结果，得到改进的雨线部分图；再通过图像算数运算进行雨线去除，本方法有效改善了图像去雨效果，并且不采用复杂的逻辑运算，简化了计算机程序的运算过程，缩短了图像处理时间，可以有效地对数据量大的彩色图像进行处理，且基于其运算时间短可以有效的适用于视频数据的实时处理中，提高实时监控数据的清晰度。以下将结合附图详细说明本发明的各个实施例。

如图1所示，本发明提供了一种基于单幅图像的去除图像雨线的方法，其包括以下步骤。

在步骤100中，基于设定的局部图像窗口提取待处理图像中的像素灰度值。例如设定局部图像窗口为n*m的大小，每次提取待处理图像中n*m个像素的图像块，优选局部图像窗口采用5*5的大小，目的在于提取到待处理图像中的各个图像区域，并完成对待处理图像所有图像区域的图像局部熵的计算。

在步骤200中，计算位于上述局部图像窗口内图像块对应的图像局部熵。在本发明的一个优选实施例中，针对通过局部图像窗口提取的图像块对应的图像局部熵的计算步骤包括以下步骤：

步骤201，计算上述局部图像窗口内图像块中每个像素的灰度值与上述图像块内所有像素的灰度值之和的比值p_i，具体如下述公式(2)所示：

$p_i=f_i/\underset{j=0}{\overset{n}{\mathrm{\Σ}}}{f}_j---\left(2\right)$

其中，f_i表示局部图像窗口内图像块中第i个像素的灰度值，表示局部图像窗口内图像块中所有像素的灰度值之和，n表示上述局部图像窗口内像素的个数。

步骤202，调用下述公式(1)计算上述图像块对应的图像局部熵H。

$H=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{p}_i\log \left(p_i\right)---\left(1\right)$

假设图像中像素(a,b)的灰度值为f₀，它的某种邻域内的像素的灰度值分别为:f₁，f₂，…，f_i，…f_n，且这n+1个像素构成一个局部图像窗口,其熵按上述公式(1)计算，但其中的p_i被定义为局部图像窗口中某一像素灰度与局部图像窗口中各像素灰度之和的比值。上述图像局部熵能够在图像所包含信息量的情况下，突出反映图像中像素位置的灰度信息及在像素邻域内灰度分布的综合特征，且在边界集中或者边界明显区域能够得到更高的局部熵值，如图2(b)所示。

在步骤300中，提取上述图像局部熵大于或大于等于预设值的图像块，形成第一中间图像，例如从图2(a)中提取出图2(b)。在本发明的一个优选实施例中将预设值设定在4-4.5之间。在本发明的另一个实施例中，上述提取上述图像局部熵大于或大于等于预设值的图像块形成第一中间图像的过程具体包括以下步骤：

步骤301，判断上述图像块对应的图像局部熵是否大于或大于等于预设值，若是则将该图像块内所有像素的灰度值赋值为1，若否则将该图像块内所有像素的灰度值赋值为0，用以形成上述第一中间图像，此第一中间图像为一个灰度二值图像。

基于上述判断赋值步骤301可以对图2(a)所示的待处理原始图像基于局部图像熵提取图像中含雨部分。

在步骤400中，识别上述待处理图像中图像元素的边缘，利用图像形态学操作对上述边缘内的图像区域进行处理，获得第二中间图像。在本发明的一个实施例中，此步骤中识别上述待处理图像中图像元素的边缘的过程，采用基于梯度的边缘检测算法对图像进行边缘检测，优选采用普里维特(Prewitt)算子，Prewitt算子比较适合用于图像边缘灰度值比较尖锐且图像噪声比较小的情况，且其处理速度较快。当然本发明也不限于只采用这一种方式进行边缘检测，例如还可以使用Roberts边缘算子、Sobel算子、Laplacian算子、Canny算子等方法中的一种来对待处理图像进行边缘检测。

此外，对于利用图像形态学操作对上述边缘内的图像区域进行处理的过程，优选基于开运算操作对上述边缘检测获得的边缘的连通图像区域进行孔洞填充及图像优化处理。数字图像处理中的形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量，比如边界、骨架以及凸壳，还包括用于预处理或后处理的形态学过滤、细化和修剪等。使用同一个结构元素对图像先腐蚀再进行膨胀的运算称为开运算，在结构元素B下的开运算定义如下：

$X_B=\left(\mathrm{X\ΘB}\right)\⊕B---\left(3\right)$

其中，X_B表示图像形态学处理结果图像，X表示待处理图像。

本实施例中通过采用开运算操作用来去除雨滴对象物引起的图像噪声，并在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积，断开雨滴图像元素之间的粘连，降低图像处理中图像元素信息的损失。当然本发明也不限于只采用此一种方式，例如还可以选择图像形态学处理中的膨胀或腐蚀操作。

在步骤500中，取上述第一中间图像和第二中间图像的交集，获得去除上述待处理图像中雨线部分的轮廓图。这里优选基于图像算术运算方法取上述第一中间图像和第二中间图像的交集，以便降低运算量，提高计算效率。优选地，在本发明的一个实施例中，通过将上述第一中间图像和第二中间图像相乘提取两者的交集获得去除上述待处理图像中雨线部分的轮廓图。

在步骤600中，将上述轮廓图经过数据标准化处理后得到的图像、与上述待处理图像取交集，获得雨线去除后的结果图像。同理，这里优选基于图像算术运算方法取上述轮廓图与上述待处理图像的交集，以便降低运算量，提高计算效率。优选地，在本发明的一个实施例中，通过将上述轮廓图经过数据标准化处理后得到的图像与上述待处理图像相乘，提取两者的交集获得雨线去除后的结果图像。

为了获得更好地图像效果，在本发明的一个实施例中，如图4所示，上述方法还包括以下步骤700：利用各向扩散异性滤波处理上述结果图像。这里提到的各向扩散异性滤波处理方法是指，数字图像处理技术中的基于扩散方程的滤波方法。各向扩散异性滤波处理的方法中将图像看做矩阵、图、随机过程、力场(如光流场)等等。对于各项异性扩散滤波来说，其创新性地将图像看做热量场，每个像素看做热流，根据当前像素和周围像素的关系，来确定是否要向周围扩散。比如某个邻域像素和当前像素差别较大，则代表这个邻域像素很可能是个边界，那么当前像素就不向这个方向扩散了，这个边界也就得到保留了，即其为边保留平滑滤波，且克服了高斯模糊的缺陷。

又如，在本发明的一个优选实施中，上述利用各向扩散异性滤波处理上述结果图像的过程包括以下步骤：

步骤701，构建基于图像滤波技术的非线性热扩散方程，在上述非线性热扩散方程中引入图像灰度特征；

步骤702，以上述步骤600获得的结果图像为输入图像，基于预设的扩散系数求解上述非线性热扩散方程，获得处理后的图像数据。

上述过程中主要是求解初始值为输入图像的非线性热扩散方程。在扩散方程中，通过引入图像灰度特征，设计合适的扩散系数来控制扩散方程的扩散行为，使得在平滑图像的同时能够保留甚至增强图像的特征信息。本发明通过使用各向异性滤波处理去雨图像，以获得更好的图像效果。

基于上述方法，如图5所示，本发明还提供了一种基于单幅图像的去除图像雨线的系统800，其包括以下功能模块：

提取模块801，用于基于设定的局部图像窗口提取待处理图像中的像素灰度 值；

计算模块802，用于计算位于所述局部图像窗口内图像块对应的图像局部熵；

分离模块803，用于提取所述图像局部熵大于或大于等于预设值的图像块，形成第一中间图像；

识别模块804，用于识别所述待处理图像中图像元素的边缘，利用图像形态学操作对所述边缘内的图像区域进行处理，获得第二中间图像；这里优选基于图像灰度采用Prewitt算子对图像进行边缘检测，优选基于开运算操作对所述边缘的连通图像区域进行孔洞填充及图像优化处理；

第一运算模块805，用于取所述第一中间图像和第二中间图像的交集，获得去除所述待处理图像中雨线部分的轮廓图；及

第二运算模块806，用于将上述轮廓图经过数据标准化处理后得到的图像、与上述待处理图像取交集，获得雨线去除后的结果图像。

上述功能模块801至806均分别用于执行上述步骤100至600，其具体实现方式可参见上述关于步骤100至600的相关说明，在此不再累述。

在本发明的一个实施例中，上述系统还包括：滤波模块807，用于利用各向扩散异性滤波处理所述结果图像。优选地，此滤波模块807包括：

构建单元，用于构建基于图像滤波技术的非线性热扩散方程，在所述非线性热扩散方程中引入图像灰度特征；

求解单元，用于以所述结果图像为输入图像，基于预设的扩散系数求解所述非线性热扩散方程，获得处理后的图像数据。

上述功能模块807用于执行上述步骤700，上述构建单元和求解单元分别用于执行上述步骤701和步骤702，其具体实现方式可参见上述关于步骤700、步骤701和步骤702的相关说明，在此不再累述。

在本发明的一个实施例中，上述计算模块802包括以下单元：

第一计算单元，用于计算所述局部图像窗口内图像块中每个像素的灰度值与所述图像块内所有像素的灰度值之和的比值；

第二计算单元，用于调用前述公式(1)计算所述图像块对应的图像局部熵。

上述第一计算单元和第二计算单元分别用于执行上述步骤201和步骤202，其具体实现方式可参见上述关于步骤201和步骤202的相关说明，在此不再累述。

在本发明的一个实施例中，上述分离模块803还包括：

判断单元，用于判断所述图像块对应的图像局部熵是否大于或大于等于预设值；

赋值单元，用于当所述图像块对应的图像局部熵大于或大于等于预设值时，则将该图像块内所有像素的灰度值赋值为1，当所述图像块对应的图像局部熵小于等于或小于预设值时，则将该图像块内所有像素的灰度值赋值为0，用以形成所述第一中间图像。

上述判断单元和赋值单元用于执行上述步骤301，其具体实现方式可参见上述关于步骤301的相关说明，在此不再累述。

图1和图4为本发明实施例的方法流程示意图。应该理解的是，图1和图4的流程图中的各个步骤没有严格的顺序限制，其可以以其他的顺序执行。而且，图1和图4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段组合实施或者交换执行执行顺序。以上各个实施例在具体说明中仅只针对相应步骤的实现方式进行了阐述，然后在逻辑不相矛盾的情况下，上述各个实施例是可以相互组合的而形成新的技术方案的，而该新的技术方案依然在本具体实施方式的公开范围内。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品承载在一个非易失性计算机可读存储载体(如ROM、磁碟、光盘，服务器存储空间)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的系统结 构和方法。

综上所述，本发明提出一种利用图像局部信息的单幅图片雨滴快速去除方法，通过使用特定阈值及窗口大小，计算图像局部信息，以确定图像含雨部分；之后使用相应的图像边缘识别方法，综合上一步计算结果，得到改进的雨线部分图；通过图像算数运算进行雨线去除，并在最后通过各项扩散异性滤波进行图像质量增强，本发明方法有效改善了图像效果。并且，使用局部图像熵的计算，获得图像信息较高部分；使用图像边缘检测技术改善图像质量；使用各向异性引导滤波进行图像去噪，获取更好效果的去雨图像。此外，本发明还基于图像算术运算来通过获取两个图像的交集，提高了运算速度。例如，图2(a)所示的待处理图像，基于5*5的局部图像窗口和预设值为4.3提取第一中间图像、并基于Prewitt边缘识别算法的进行图像边缘、以及基于开运算对边缘的连通图像区域进行填充的上述步骤100至步骤700的处理后，得到了如图3所示的效果图。

又如，本发明不使用复杂的高斯混合模型进行雨线建模，也没有使用形态学成分分析、稀疏编码等技术进行频域去雨，而仅使用了图像局部熵计算，大幅缩小了雨滴去除所需的时间；还克服了基于稀疏编码的单幅图像去雨算法的仅可处理灰度图像的缺点，能够对彩色图像进行处理，并能够获得较好的效果；并通过加入各向异性滤波作为最终处理步骤，对图像质量进行了进一步优化。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于单幅图像的去除图像雨线的方法，其包括：

基于设定的局部图像窗口提取待处理图像中的像素灰度值；

计算位于所述局部图像窗口内图像块对应的图像局部熵；

提取所述图像局部熵大于或大于等于预设值的图像块，形成第一中间图像；

识别所述待处理图像中图像元素的边缘，利用图像形态学操作对所述边缘内的图像区域进行处理，获得第二中间图像；

取所述第一中间图像和第二中间图像的交集，获得去除所述待处理图像中雨线部分的轮廓图；

将所述轮廓图经过数据标准化处理后得到的图像、与所述待处理图像取交集，获得雨线去除后的结果图像。

2.根据权利要求1所述的基于单幅图像的去除图像雨线的方法，其特征在于，所述方法还包括：

利用各向扩散异性滤波处理所述结果图像。

3.根据权利要求1所述的基于单幅图像的去除图像雨线的方法，其特征在于，所述计算位于所述局部图像窗口内图像块对应的图像局部熵的过程包括以下步骤：

计算所述局部图像窗口内图像块中每个像素的灰度值与所述图像块内所有像素的灰度值之和的比值；

调用下述公式(1)计算所述图像块对应的图像局部熵，

$H=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{p}_i\log \left(p_i\right)---\left(1\right)$

其中，p_i表示所述比值，H表示所述图像块对应的图像局部熵，n表示所述局部图像窗口内像素的个数。

4.根据权利要求1所述的基于单幅图像的去除图像雨线的方法，其特征在于，所述提取所述图像局部熵大于或大于等于预设值的图像块形成第一中间图像的过程包括：

判断所述图像块对应的图像局部熵是否大于或大于等于预设值，若是则将该图像块内所有像素的灰度值赋值为1，若否则将该图像块内所有像素的灰度值赋值为0，用以形成所述第一中间图像。

5.根据权利要求1所述的基于单幅图像的去除图像雨线的方法，其特征在于，所述识别所述待处理图像中图像元素的边缘的过程中，基于图像灰度采用普里维特算子对图像进行边缘检测。

6.根据权利要求1所述的基于单幅图像的去除图像雨线的方法，其特征在于，所述利用图像形态学操作对所述边缘内的图像区域进行处理的过程包括：基于开运算操作对所述边缘的连通图像区域进行孔洞填充及图像优化处理。

7.根据权利要求1所述的基于单幅图像的去除图像雨线的方法，其特征在于，所述方法中取两个图像交集的方式是将所述两个图像相乘。

8.根据权利要求2所述的基于单幅图像的去除图像雨线的方法，其特征在于，所述通过各向扩散异性滤波处理所述结果图像的过程包括：

构建基于图像滤波技术的非线性热扩散方程，在所述非线性热扩散方程中引入图像灰度特征；

以所述结果图像为输入图像，基于预设的扩散系数求解所述非线性热扩散方程，获得处理后的图像数据。

9.一种基于单幅图像的去除图像雨线的系统，其特征在于，所述系统包括：

提取模块，用于基于设定的局部图像窗口提取待处理图像中的像素灰度值；

计算模块，用于计算位于所述局部图像窗口内图像块对应的图像局部熵；

分离模块，用于提取所述图像局部熵大于或大于等于预设值的图像块，形成第一中间图像；

识别模块，用于识别所述待处理图像中图像元素的边缘，利用图像形态学操作对所述边缘内的图像区域进行处理，获得第二中间图像；

第一运算模块，用于取所述第一中间图像和第二中间图像的交集，获得去除所述待处理图像中雨线部分的轮廓图；及

第二运算模块，用于将所述轮廓图经过数据标准化处理后得到的图像、与所述待处理图像取交集，获得雨线去除后的结果图像。

10.根据权利要求9所述的基于单幅图像的去除图像雨线的系统，其特征在于，所述系统还包括：

滤波模块，用于利用各向扩散异性滤波处理所述结果图像。