Bayer图像去马赛克算法研究

发布时间：2021-05-08 10:39

　　出于对设计成本和经济成本的考虑,大多数现代彩色数码相机都配备了一个单一的传感器来获取图像。单传感器获取的Bayer图像每个像素处只有红绿蓝三种颜色的一种。要得到一副完整的彩色图像,需要估计每个像素处缺失的颜色分量值。上述过程通常被称为Bayer图像去马赛克。去马赛克算法的结果直接关系到彩色数码相机获取彩色图像的质量好坏,同时也是物体检测、图像识别等高级图像处理技术的前提,所以研究高效的去马赛克算法,仍具有重要的实用价值。本文针对当前去马赛克算法在时间和精度方面存在的不足,提出了两种去马赛克算法。1.针对时间严苛的场景,提出了一种新的融合梯度权值的高质量低成本去马赛克算法。随着近些年中央处理器（CPU）和图形处理器（GPU）等设备运算能力的提升,经典的应用广泛的低成本去马赛克算法生成的图像质量渐渐不能满足人们视觉需要。Malvar等人的经典的高质量线性插值算法（High Quality Linear Interpolation,HQLI）是实际应用中使用最广泛的一种,被广泛应用在时间严苛的场景或者作为复杂去马赛克算法的初始化输入,但该算法在边缘处容易出现伪影,视觉效果不尽人意。在深入研究... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 数码相机
    1.3 滤色器阵列
    1.4 去马赛克算法的研究现状
    1.5 论文的主要内容和结构安排
第2章 Bayer图像去马赛克的相关基础知识
    2.1 去马赛克算法的设计准则
        2.1.1 颜色相关性
        2.1.2 空间相关性
    2.2 去马赛克算法常见的人工痕迹
        2.2.1 模糊
        2.2.2 拉链效应
        2.2.3 伪影
    2.3 去马赛克算法的评价指标
        2.3.1 客观评价指标
        2.3.2 主观视觉评价
    2.4 本章小结
第3章 融合梯度权值的高质量低成本去马赛克算法
    3.1 引言
    3.2 经典的高质量低成本去马赛克算法(HQLI)
    3.3 改进的融合梯度权值的高质量低成本去马赛克算法
        3.3.1 计算每个采样点水平和垂直方向上的梯度和权值
        3.3.2 插值过程
    3.4 实验设计
    3.5 实验结果与分析
        3.5.1 客观评价结果
        3.5.2 主观评价结果
    3.6 本章小结
第4章 基于残差学习的卷积神经网络去马赛克图像质量提升算法
    4.1 引言
    4.2 卷积神经网络模型
        4.2.1 神经网络
        4.2.2 卷积神经网络
        4.2.3 残差学习的卷积神经网络
    4.3 基于残差学习的卷积神经网络去马赛克图像质量提升算法
        4.3.1 卷积神经网络模型的设计
        4.3.2 损失函数的设计
        4.3.3 实验设计
    4.4 实验结果与分析
        4.4.1 客观评价结果
        4.4.2 主观评价结果
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
作者简介
致谢



本文编号：3175193