[发明专利]基于物理成像模型的彩色图像去马赛克方法

权利要求书

1.一种基于物理成像模型的彩色图像去马赛克方法，其特征在于，包括：

成像步骤：利用色彩滤波阵列CFA对原彩色图像进行采样，得到马赛克图像Y；

建模步骤：利用彩色图像的物理成像模型联合空间对齐性和稀疏特性，建立1,2-范数的正则优化数学模型：

s.t.Rank(x_(i,j))≤r_i,j,i＝1,2,…,M,j＝1,2…,S_i

Φ_cX_c＝Y_c,c∈{R,G,B}

式中，min表示最小化操作，Y是马赛克图像，Φ为对全彩色图像X做下采样处理的算子，X表示全彩色图像，||*||_F表示F-范数，k₁表示设定第一个正则项的参数，k₂表示设定第二个正则项的参数，||*||_1,2表示1,2-范数，||*||_*表示核范数，X_i表示为第i个图像块，i＝1,2,...,M，M表示对全彩色图像X进行分块操作后的总块数，▽²表示为2阶偏导操作，x_(i,j)表示第i个图像块的第j个相似块，j＝1,2,...,S_i，S_i表示相似块的总个数，Rank(x_(i,j))代表相似块矩阵x_(i,j)的秩，r_(i,j)为代表相似块矩阵x_(i,j)的最大值，Φ_c是对c通道图像进行下采样处理的算子，X_c表示c通道的全彩色图像，Y_c表示c通道的马赛克图像，c∈{R,G,B}，R,G,B分别表示红、绿、蓝三颜色通道；

重构步骤：在Rank(x_(i,j))≤r_i,j约束下，使用基于交替方向框架的迭代收缩阈值方法求解1,2-范数的正则优化数学模型，得到全彩色图像X。

2.根据权利要求1所述的方法，其特征在于：成像步骤中利用色彩滤波阵列CFA对原彩色图像进行采样，是根据压缩感知理论，将CFA采样过程看做对原彩色图像的观测过程，用c通道的采样矩阵Φ_c与c通道的原彩色图像X_c相乘，得到马赛克图像Y:

其中，H_ij均为观测矩阵内元素，i＝1,2,...,M，j＝1,2,...,N，M,N分别为采样矩阵Φ的行数和列数，观测矩阵Φ按Bayer模式分布。

3.根据权利要求1所述的方法，其特征在于：建模步骤中利用彩色图像的物理成像模型联合空间对齐性和稀疏特性，建立1,2-范数的正则优化数学模型，按如下步骤进行：

3a)利用物理成像模型f_i(λ)人工模拟光线在物体表面的反射情况，使得在空间上某一位置的值发生改变时，在相同位置上色彩通道的值也发生改变，得到空间对齐特性，其中，物理成像模型表示如下：

f_i(λ)＝τ(λ)cosα_i+κ(λ)ηcos^sβ_i

式中，λ是指波长，α_i是像元i处的入射角，β_i是反射光线与入射光线的镜像方向的夹角，s为光强，η为镜面反射系数，τ(λ)和κ(λ)分别是漫反射系数和镜面反射系数，

3b)利用二阶拉普拉斯特性挖掘稀疏特性，对场景图像做二阶拉普拉斯变换，使得图像矩阵中在大多数位置为零或者近似为零，得到稀疏特性，

3c)利用空间对齐特性和稀疏特性，使用1,2-范数刻化空间对齐特性和稀疏特性，结合现有去马赛克方法的最小化正则模型，加入1,2-范数正则项和约束Rank(x_(i,j))≤r_i,j，得到1,2-范数最小正则化数学模型，

s.t.Rank(x_(i,j))≤r_i,j,i＝1,2,…,M,j＝1,2…,S_i

Φ_cX_c＝Y_c,c∈{R,G,B}，

所述现有去马赛克方法的最小化正则模型是：

式中，Y是马赛克图像，Φ为对全彩色图像X做下采样处理的算子，X表示全彩色图像，||*||_F表示F-范数，k₁表示设定第一个正则项的参数，||*||_*表示核范数，X_i表示为第i个图像块，i＝1,2,...,M，M表示对全彩色图像X进行分块操作后的总块数。