论文部分内容阅读
随着数码相机的广泛使用,其成本和体积是一个不可忽视的问题,为此现有的大部分数码相机都采用单块CCD或CMOS传感器来采样图像,在图像传感器上面覆盖有一层彩色滤波阵列,这种阵列按Bayer方式排列使每个像素点只能获取一种基色,通过这种传感器获取的图像称为CFA图像,也称作马赛克图像。将马赛克图像中缺失的颜色分量估计出来,从而得到全彩色图像,这种处理称作去马赛克(demosaicking),去马赛克是数码相机产品中的核心技术,对学术的研究和商业价值的创造都有意义。现有文献提出了一些去马赛克方法,但是现有方法对边缘处理的效果不佳,存在拉链效应、块效应、虚假颜色等不足。本文介绍了CFA图像去马赛克的相关理论知识,回顾了现有的部分去马赛克方法,并针对现有方法的不足提出了三种去马赛克方法。主要工作包括:(1)提出了一种基于轮廓非局部均值的CFA图像去马赛克方法。该方法对缺失像素处采用六个方向的信息进行方向插值,得到初始插值图像,然后对初始插值图的图像块进行非局部均值加权修复,并将像素的轮廓值应用到相似块权重的计算中,使相似块之间的相似性计算更加精确。现有几个去马赛克方法和本方法对McMaster彩色图库实验的主客观对比结果可以证明该方法的有效性。(2)提出了一种基于非局部低秩的CFA图像去马赛克方法。该方法首先利用方向插值得到初始插值图像,然后分析了插值误差的分布情况并对初始插值图像的图像块取相似块组成相似块矩阵,对此相似块矩阵进行低秩优化处理来去除初始插值误差。该方法可以消除块效应,有效的提高了去马赛克的性能。(3)提出了一种基于双字典稀疏表示的CFA图像去马赛克方法。该方法首先对彩色图像和其对应的CFA插值图像进行联合稀疏表示学习字典,从而得到彩色图字典和插值图字典,然后对待去马赛克图进行方向插值得到初始插值图像,对初始插值图的图像块在插值图字典下稀疏表示得到稀疏系数,利用稀疏系数和彩色图字典得到全彩色图像。通过实验与现有几种去马赛克方法的比较,说明了该方法去马赛克的有效性。本论文得到教育部长江学者和创新团队支持计划(IRT0645),高等学校创新引智计划(111计划)(B07048)以及中央高校基本科研业务费专项资金(K50510020023)的资助。