彩色图像去马赛克恢复与质量提升算法研究

发布时间：2023-10-29 12:09

　　消费级数码相机大都使用单个表面覆盖彩色滤波阵列的CCD芯片来获得彩色图像。原始图像在每个像素点处都只有红色、绿色、蓝色三基色中的一种颜色像素值。为得到完整的彩色图像,将缺失的像素填补修复的过程称为去马赛克(demosaicking)。它是消费级数码相机的核心操作,是实现图像增强、图像分割以及图像识别等后续数字图像处理任务的重要前提。针对传统插值法存在的图像细节不能很好恢复的不足,研究去马赛克算法具有重要的应用价值。本文在典型的去马赛克算法基础上,针对Bayer模式马赛克图像,结合当今卷积神经网络的趋势,提出了彩色图像去马赛克恢复与质量提升算法。算法主要分为初始去马赛克和细节恢复后处理两部分。本文的主要工作包括:1、提出基于梯度的残差插值法。针对通道信息利用不充分,该算法利用图像间的局部相关性和引导滤波的特点重构绿色通道,主要对水平和垂直两个方向的梯度进行处理,使之重构高质量的绿色通道。利用重构好的绿色通道更清晰完整的特点去对缺失像素的红色和蓝色通道进行结构细化,并利用残差插值以及能获得更多局部信息的双三次插值生成相应的红色和蓝色通道像素值,将重建好的三通道像素值融合恢复出彩色图像。此算...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 背景与意义
    1.2 国内外研究现状
    1.3 本文创新点
    1.4 论文研究工作与章节安排
第2章 彩色图像去马赛克的基础知识
    2.1 颜色空间
    2.2 颜色相关性
    2.3 典型的去马赛克算法
        2.3.1 双线性插值算法
        2.3.2 基于边缘方向的自适应插值算法
        2.3.3 基于色差的GBTF算法
        2.3.4 基于残差的去马赛克算法
    2.4 常见的失真现象及评价指标
        2.4.1 失真现象
        2.4.2 评价准则
    2.5 本章小结
第3章 基于残差插值和卷积神经网络的去马赛克算法
    3.1 基于图像梯度的快速残差插值算法
        3.1.1 绿色通道插值
        3.1.2 红色和蓝色通道插值
    3.2 基于深度卷积神经网络的马赛克图像质量提升方法
        3.2.1 简要概述卷积神经网络
            3.2.1.1 神经网络
            3.2.1.2 卷积神经网络
            3.2.1.3 残差神经网络
        3.2.2 基于卷积神经网络的提升算法
    3.3 本章小结
第4章 实验结果与分析
    4.1 实验设计
    4.2 实验结果与分析
        4.2.1 残差插值方法实验
        4.2.2 基于卷积神经网络的提升算法实验
    4.3 本章小结
第5章 总结与展望
    5.1 本文总结
    5.2 今后展望
参考文献
作者攻读学位期间的科研成果
致谢



本文编号：3858050