基于非局部低秩的色彩滤波阵列图像去马赛克方法

摘要

本发明公开了一种基于非局部低秩的色彩滤波阵列图像去马赛克方法，主要解决现有技术易出现边缘模糊、拉链效应和块效应的问题。其实现步骤为：1.输入一幅色彩滤波阵列图像；2.对绿色通道作方向插值；3.取绿色插值图的待修正块；4.取待修正块的图像块集合并从集合中找出相似块，组成相似块矩阵；5.定义相似块矩阵的拉格朗日优化函数并求解，得到修正的相似块矩阵；6.将修正的相似块矩阵的中间列向量重组，得到修正的块；7.对红色和蓝色通道作方向插值；8.取红色和蓝色插值图的待修正块，重复执行步骤4-6，修正红色和蓝色插值图的所有块；9.输出全彩色图像。本发明能避免边缘模糊，抑制拉链效应和块效应，用于对色彩滤波阵列图像的恢复。

主权项

1.一种基于非局部低秩的色彩滤波阵列图像去马赛克方法，包括如下步骤：（1）输入一幅色彩滤波阵列图像I；（2）通过方向插值法对色彩滤波阵列图像I中绿色通道缺失的像素进行估计，得到绿色通道图像的插值图像；（3）在绿色通道图像的插值图像中逐像素取一个5×5大小的图像块，作为当前待修正图像块X；（4）在当前待修正图像块X的中心像素的32×32大小的邻域中取所有5×5的块，组成当前待修正图像块X的图像块集合Ω；（5）计算当前待修正块X与其图像块集合Ω中每个块之间的像素欧式距离d，将欧式距离从小到大排序，取前100个块作为当前待修正块的相似块；（6）将当前待修正块X和其相似块拉成列向量，组成相似块矩阵I_X，并使待修正块X拉成的待修正列向量Y作为I_X的中间列向量；（7）定义相似块矩阵I_X的拉格朗日优化函数F(I′_X)：F(I′_X)=||I_X-I′_X||_F+λ₁||I_X-I′_X||₁+λ₂||I′_X||_*，其中，I′_X为函数F(I′_X)的自变量，c为常数，为相似块矩阵I_X中插值误差的方差，为相似块矩阵I_X的奇异值；（8）最小化约束求解相似块矩阵I_X的拉格朗日优化函数F(I′_X)，得到修正后的相似块矩阵${\hat{I}}_X=\underset{{I\text{'}}_X}{\min F\left({I\text{'}}_X\right),}$其中，I′_X为函数F(I′_X)的自变量；（9）根据修正后的相似块矩阵求修正后的列向量$\hat{Y}=\mathrm{mid}\left({\hat{I}}_X\right),$其中，为取修正后的相似块矩阵的中间列向量；（10）将修正后的列向量重组为5×5的矩阵，得到修正后的图像块（11）对绿色通道图像的插值图像的所有图像块重复执行步骤（3）-（10），完成对绿色通道图像的最终估计；（12）通过方向插值法对色彩滤波阵列图像I中红色和蓝色通道缺失的像素进行估计，得到红色通道图像的插值图像和得到蓝色通道图像的插值图像；（13）分别在红色通道图像的插值图像和蓝色通道图像的插值图像中逐像素取一个5×5大小的图像块，作为当前待修正的图像块X，重复执行步骤（4）-（10），完成对红色和蓝色通道图像的最终估计；（14）输出含有绿色、红色和蓝色的全彩色图像。