基于快速残差插值和卷积神经网络的去马赛克算法

针对传统插值法存在的图像细节不能很好恢复的不足,利用卷积神经网络作为残差插值法的后处理操作,提出了一种基于残差插值和卷积神经网络的去马赛克算法。方法分为初始去马赛克和细节恢复后处理两部分。先用改进的基于梯度的快速残差插值法实现初步去马赛克插值,并针对恢复图像中包含了彩色伪影,细节丢失等问题,再使用深度残差网络学习恢复图像与理想全彩色图像之间的映射,实现后处理。在Kodak数据集和IMAX数据集上的实验结果表明,该方法结果在主观视觉特性和客观评价指标两方面相较于传统方法都有明显改进。     

基于梯度方向的反马赛克算法

目前数字图像采集系统中采用的反马赛克算法存在插值伪像严重、算法计算量大等问题.为了解决上述问题,本文提出了一种基于梯度方向的反马赛克算法,可提升实际应用中反马赛克处理性能.计算当前像素位置水平和竖直梯度,并据此完成G分量的插值恢复,采用双线性插值完成R分量和B分量恢复并用G分量进行校正处理.从复合峰值信噪比（CPSNR）以及计算量两方面将本算法与其他典型算法进行对比,本文算法以更低的运算量,获得优秀的反马赛克性能.这种高性价比的特点有利于其未来完成硬件电路实现,并应用于实时成像等高技术领域.      

一种基于边缘信息的贝尔模板彩色插值方法

针对贝尔模板滤波图像的彩色插值还原,提出了一种基于边缘信息的插值方法.该方法利用了边缘信息,能够有效降低边缘区域的噪声,同时利用了色饱和度信息,提高了低饱和度区域的还原质量.实验证明,与其他方法相比,该方法能够得到较理想的还原效果,结果图像边缘轮廓清晰,彩色噪声较少.     

基于梯度局部一致性的自适应Bayer模式彩色图像恢复算法

基于图像局部梯度具有明显一致性先验,提出了一种基于梯度局部一致性的自适应Bayer模式彩色图像恢复算法。算法在恢复绿色通道时首先从垂直和水平两个方向的进行插值,得到候选插值结果。然后根据彩色通道结构相似的特点,提出利用多通道梯度线性加权估计图像局部梯度,并利用引导滤波实现用时域图像边缘结构对图像局部梯度进行一致化校验,从而提高边缘估计的精度。然后将一致化校验后的梯度特征与候选插值进行自适应融合得到最终绿色通道插值。最后依据图像通道之间的结构相似性先验,利用绿色通道结构细节实现对红色和蓝色通道重构图像的修正,从而恢复完整的去马赛克彩色图像。通过在Kodak和IMAX两个数据库进行的有效性验证,并与其他最新方法进行的性能对比,结果表明恢复图像主观视觉特性和客观评价指标都优于传统方法。此外,由于不涉及迭代和网络训练,具有高效性。     

预估计最小平方误差初始值方法改善交替映射算法性能

改进交替映射算法以提高反马赛克插值的峰值信噪比(PSNR)性能.采用预估计最小平方误差思想,改进交替映射插值算法的初始值估计,计算改进算法和其它典型反马赛克方法的峰值信噪比,采用典型测试图片作为测试源进行比较.结果表明,改进算法的峰值信噪比高于其它典型插值算法的峰值信噪比,插值恢复图像的伪像也少于其它算法.改进的交替映射算法具有最好的峰值信噪比和最少的插值伪像,说明改变初始值方法可以提高交替映射算法的性能.     

自适应比例合成反马赛克算法的提出与应用

为解决实际应用中的反马赛克问题,给出一种自适应比例合成算法.对G通道进行梯度比例合成插值,R,B通道采用G通道的梯度校正双线性插值结果,从复合峰值信噪比(CPSNR)和计算量两个角度,将自适应比例合成算法与其它几种典型的反马赛克插值算法进行对比.自适应比例合成算法以较小的计算量获得较高的CPSNR,适合于实际应用.该算法已应用在某多通道CMOS图像采集系统中,效果理想.