《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：

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。
当背景的纹理是弱的，雨滴比周围有更强的纹理。

在这里插入图片描述

步骤：

一幅图像分为强纹理区域和弱纹理区域。
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。
通过边缘比率的变化来计算雨滴候选区域。
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

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。
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。

在这里插入图片描述

2.1.2 雨滴候选区域检测

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。
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。
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。

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：
$D_b(k,l) - D_b(i,j) > T_t$

$T_n=0.78, T_t=2.1$

在这里插入图片描述

在这里插入图片描述

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。