论文部分内容阅读
为了减少数码相机的成本和体积,通常采用表面覆盖一层彩色滤波阵列(CFA)的单CCD或CMOS传感器来捕获图像。这种CFA图像中每个像素只有三基色中的一种颜色分量,也称作马赛克(Mosaic)图像。为了获得全彩色图像,必须采用插值算法恢复每个像素所丢失的颜色信息,这个过程就是颜色插值(即去马赛克)。另外,为了获得良好的成像质量,还必须去除在成像各环节存在的白噪声和脉冲噪声。作为数码相机图像处理中的关键与核心环节,对CFA图像的插值和去噪处理的研究有着非常重要的商业价值和学术研究意义。本文介绍了CFA图像处理的相关基础,回顾了现有的一些去马赛克算法和去噪算法及其性能评价标准,并针对Bayer模式的CFA图像提出了两种去马赛克方法和一种CFA图像的自适应去噪方法。本文的主要工作包括：(1)提出了一种基于亮度估计与方向插值的去马赛克方法。该方法利用对亮度分量的准确估计来指导绿色通道沿边缘方向插值,通过对色差的双线性插值恢复红色和蓝色通道,最后加入一个修正步骤以提高最终的去马赛克效果。通过对Kodak彩色图像库的测试和与现有的几种去马赛克方法的实验对比,证明了该方法的有效性。(2)提出了一种基于方向插值与残差重构的去马赛克方法。该方法利用联合训练的双字典重构出预插值绿色通道的残差,通过残差补偿获得对绿色通道更准确的估计,最后进行边缘的增强以及色度的增强,有效提高了最终去马赛克效果,通过实验与现有的一种基于方向插值方法和一种基于重构的方法进行对比,说明了该方法的有效性。(3)提出了一种基于Treelet的CFA图像去噪方法。该方法对CFA图像的高频信息提取训练数据进行Treelet变换,在变换域根据对各通道噪声方差的估计对系数进行收缩,实现了CFA图像的自适应去噪。通过实验与现有CFA图像去噪方法的对比,说明了该方法在不同噪声水平下的有效性。