【论文笔记】用形状做挡风玻璃上的雨滴检测《Detection Of Raindrop With Various Shapes On A Windshield》

《Detection of Raindrop with Various Shapes on a Windshield》

---

1 介绍

2 雨滴检测方法

在白天和夜晚使用不同的算法。通过整幅图像的强度水平判断是白天还是夜晚。

2.1 白天的雨滴检测方法

这个方法假设在白天雨滴有以下性质：

1. 当背景的纹理是强的，雨滴比周围要模糊。如图2中红色矩形框。
2. 当背景的纹理是弱的，雨滴比周围有更强的纹理。
   
   
   

步骤：

1. 一幅图像分为强纹理区域和弱纹理区域。
2. 通过两个模型图像提取到的边缘强度的比率，用来计算模糊度。
3. 通过边缘比率的变化来计算雨滴候选区域。
4. 通过挡风玻璃上雨滴变化不会很快的特点，来移除错误的雨滴候选区域。

2.1.1 纹理分析

1. 图像被分为网格 B(u,v)。基于边缘强度的纹理分析在每个格子里进行。在实验中，图像尺寸是 640x360，每个块尺寸是 10x10。
2. 用sobel来进行边缘检测，边缘强度值 E(u,v) 在每个格子中计算。
   (1) 如果 E(u,v) 大于 $T_E$，此块被认为是纹理区域；
   (2) 否则被认为是非纹理区域。
   $T_E$的选取原则：路面要被包含在非纹理区域中。

2.1.2 雨滴候选区域检测

1. 为了不依赖背景的纹理来测试模糊度，计算从两种平滑图像中提取的边缘强度。用高斯滤波来进行图像平滑。用$I_{s1}$ 来表示 用方差${\sigma }_1$ 来进行高斯平滑的图像，用$I_{s2}$ 来表示 用方差${\sigma }_2$ 来进行高斯平滑的图像。

2. 边缘强度图像$I_{e1}$ 和 $I_{e2}$ 用 sobel 算子来得到。
   (1) 纹理清晰的区域，边缘强度变化大；
   (2) 纹理模糊的区域，边缘强度变化小。

3. 模糊度计算公式：

$D_b(i,j)=\frac{I_{e1}(i,j)}{I_{e2}(i,j)}$

模糊严重的区域上值小。
在背景是强纹理区域时，雨滴的模糊度$D_b$ 比周围小；
在背景是均匀区域时，雨滴的模糊度比周围大。

4. 雨滴区域判断

(1) 非纹理块中，有一个或多个像素满足以下条件：
$D_b(i,j)-D_b(k,l)>T_n$

(2) 纹理块中，有一个或多个像素满足以下条件：
$D_b(k,l)-D_b(i,j)>T_t$

$T_n=0.78,T_t=2.1$

个人理解：
（1）在弱纹理区域
某点像素模糊度比周边要大
（2）在强纹理区域
某点像素模糊度比周边要小

周围像素满足
$|D_b(i,j)-D_b(k,l)|<T_c(T_c=0.1)$
的添加到雨滴候选区域。
fig5c 中展示了雨滴候选区域的最终结果。

2.1.3 雨滴判断

2.1.3.1

我们通过整合多帧的检测结果，背景的移动大，雨滴移动小，来移除假的候选区域。
（1）在 $R_t(i,j)$ 中雨滴候选区域设置为1。
（2）$SR(i,j)$ 代表$R_{t-n+1}(i,j)$,$R_{t-n+2}(i,j)$,$R_t(i,j)$。$T_r$ 设置为 2, $n$ 设置为3。

2.1.3.2

护栏、桥梁的栏杆、墙的边界会被错误检测。为了去除这种区域，用光流方向来验证雨滴候选区域。
在车道标记上检测到的运动等会聚在消失点。
另一方面，在雨滴上检测到的运动是不稳定的。
出于这样的原因，我们在雨滴候选区域上检测光流，在15帧兴趣像素为中心的block上计算方差。在实验中，block设为11x11。
fig6的a到c显示了光流，d（蓝圈）显示了雨滴区域光流方向的直方图，e(绿圈)展示了车道线的光流方向直方图。

背景中的光流方向与它周围相似，并且 在连续帧中变化不大。
雨滴上的光流有不同方向。
出于这个原因，当光流方向变化小时雨滴候选区域被去除。

2.2 夜晚的雨滴检测方法