1.一种基于各向异性稀疏梯度的交通监控图像去雨方法，其特征在于，该方法包括步骤：(1)建立如下基于各向异性稀疏梯度的图像去雨及复原模型：其中，f是雨天拍摄的退化图像矩阵，u为待复原的清晰图像矩阵，v是待探测的雨层图像矩阵， 和 分别为图像竖直和水平方向的梯度算子；||·||L0为统计非零元素个数的L0范数； 和 是图像的竖直和水平梯度正则项； 为雨探测正则项，用于探测图像中的雨信息； 是复原误差控制项；α1,α2,β1,β2是非零的正则化系数，α1,α2,β1分别是图像水平和竖直以及雨信息正则化系数；β2是保真项的正则化参数；

(2)利用交叉算法以及半二次方分裂算法求解图像去雨及复原模型，得到相应的复原图像；

所述步骤(2)包括：

(21)利用半二次方分裂算法，引入辅助变量d1,d2,d3,并令 d3＝v，将步骤(1)中图像去雨及复原模型转换为如下方程：其中，λ1，λ2，λ3是利用半二次方法分裂时引入的辅助参数；

(22)利用交叉迭代方式，将步骤(21)中的方程分解为如下子问题：(23)求解步骤(22)中5个子问题的迭代解，得到的u的迭代解即为复原图像矩阵。

2.根据权利要求1所述的基于各向异性稀疏梯度的交通监控图像去雨方法，其特征在于，所述步骤(23)包括：‑5

(231)读取待复原图像矩阵，设置如下初值：复原误差tol＝10 和迭代复原次数m＝

100，并设定待复原图像矩阵的初始值为u＝0，探测的雨层图像矩阵的初始值v＝0；迭代参数k初始值为0；

(232)根据如下公式探测雨层图像矩阵：k+1 k

其中，v 代表第k+1次雨探测结果，f是拍摄得到的待去雨复原图像矩阵，u是第k次计算得到的图像结果， 是半二次分裂算法求解变量v时引入的辅助变量在第k次的迭代结果，β2是正则化参数，λ3是利用半二次分裂算法求解v时引入的辅助参数；

k+1

(233)当v 存在元素为零时，代表该元素对应图中的像素点不存在雨影响，不作处理；

k+1

当v 中存在元素不为零，则该像素点存在雨影响，对其进行修复处理。

3.根据权利要求1所述的基于各向异性稀疏梯度的交通监控图像去雨方法，其特征在于，步骤(233)中，所述修复处理包括如下步骤：(2331)根据如下公式复原图像：‑1 k+1

其中，F(·)和F (·)分别代表傅里叶变换算子和反向傅里叶变换算子，u 是第k+1次k+1

计算的图像矩阵结果，v 是步骤(232)中计算得到的第k+1次雨探测结果， 是半二次分裂算法求解u引入的辅助变量在第k次的迭代结果，λ1和λ2是半二次分裂算法求解u时引入的辅助参数， 和 分别是竖直梯度算子 和水平梯度算子 的转置算子，I是单位矩阵；

k+1

(2332)分别计算第k+1次图像矩阵u 的竖直梯度 和水平梯度 然后做如下判断：

如果 中的元素小于等于常数 其中 是2次开方算子，那么 中对应位置元素的第k+1次值等于零，否则 中对应位置元素的第k+1次值等于 对应位置元素值；

如果 中的元素小于等于常数 那么 中对应位置元素的第k+1次值等于零，否则 中对应位置元素的第k+1次值等于 对应位置元素值；

k+1

如果第k+1次探测的雨层图像矩阵v 中的元素小于等于 那么 中对应位置k+1

元素的第k+1次值等于零，否则 中对应位置元素的第k+1次值等于v ；

(2333)计算图像矩阵迭代误差：k+1 k

其中，u 和u分别为第k+1次迭代结果和第k次迭代结果， 为Frobenius范数；

(2334)迭代次数k的值增加1，k＝k+1；

(2335)如果k的值小于等于最大迭代次数m，且图像矩阵迭代误差error大于误差值tol，则跳转至步骤(22)；否则，停止迭代，跳至(236)；

k+1 k+1

(2336)输出目标图像矩阵结果u 和雨层图像矩阵v 。

4.根据权利要求1所述的基于各向异性稀疏梯度的交通监控图像去雨方法，其特征在于，所述参数α1,α2,β1,β2取值范围为：α1∈[0.5,10]，α2∈[0.5,10]，β1∈[0.1,5]，β2∈[0.5,

5]。

5.根据权利要求1所述的基于各向异性稀疏梯度的交通监控图像去雨方法，其特征在于，所述参数λ1,λ2,λ3的取值范围为：λ1∈[0.005,0.5],λ2∈[0.005,0.5],λ3∈[0.005,

0.5]。