[发明专利]基于物理成像模型的彩色图像去马赛克方法

说明书

本发明公开了一种基于物理成像模型的彩色图像去马赛克方法，主要解决现有去马赛克方法重构后图像的边缘色彩的准确度不高，抗噪能力不好的问题。其技术方案包括：1.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；2.对马赛克图像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；3.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。本发明有效提高了边缘色彩的准确度，在图像的峰值信噪比，抗噪能力以及视觉质量上都有了较大的提升，可用于数码相机中图像的获取和恢复。

技术领域

本发明属于图像处理和信号处理技术领域，特别涉及彩色图像的去马赛克方法，主要应用于数码相机中图像的获取和恢复。

背景技术

随着图像处理技术的飞快发展与数码相机的普及，高质量彩色图像的采集与处理已成为一个非常活跃的研究领域，而去马赛克则是其中一个必不可少的重要环节。有效的去马赛克方法是获取高质量的全彩色图像的关键。因此对彩色图像的去马赛克方法进行深入研究具有极其重要而深远的理论意义和广泛的应用价值。

与此同时，随着学者、研究人员对去马赛克方法的深入研究发现，图像的一个重要特性就是稀疏性。由于信号、图像在某个基下的稀疏表达可以抓住其最主要或者最有意义的基本特征，而去马赛克效果的好坏恰好取决于对图像能否做到准确估计，因此稀疏性有望成为解决这一问题的关键。事实证明，通过合理利用图像的稀疏特性，准确地抓住图像最本质的特征进行全彩色图像重建，能有效提高重建效果。对于稀疏特性的挖掘，目前传统的方法主要有：

一、局部自适应主成分分析构建稀疏域方法，它主要利用主成分分析方法构建稀疏域，建立1-范数最优化模型完成全彩色图像的重建，

二、基于非局部模型的稀疏方法，其主要利用非局部自相似特性挖掘稀疏特性，构建1-范数最优化模型完成全彩色图像的重建，

三、差图像全变分稀疏方法，其主要通过在固定的全变分TV基稀疏表示，利用全变分正则化约束模型，完成全彩色图像的重建。

用上述方法一和方法二进行全彩色图像的重建，主要基于统计模型，受噪声和观测误差影响较大，所以会导致图像边缘色彩的准确度不高，抗噪能力不好，用上述方法三进行全彩色图像的重建，由于该方法使用固定的TV基，导致对图像本身的变化太敏感，使得鲁棒性不强，色彩不够自然、准确，抗噪能力不够。

发明内容

本发明的目的在于针对上述现有去马赛克技术的不足，提出一种基于物理成像模型的彩色图像去马赛克方法，以提高全彩色图像重建的边缘色彩的准确度和抗噪能力。

本发明的技术思路是：通过分析彩色图像的物理成像模型，挖掘基于物理成像模型的稀疏特性和空间对齐特性，建立1,2-范数数学求解模型，完成全彩色图像重建。其实现方案包括如下：

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}