为了缓解传统拜耳型去马赛算法中常出现的拉链和伪影等问题,提出一个新颖的基于深度学习的去马赛克算法。所提算法首先对马赛克图像中的红色、绿色及蓝色通道中的像素进行分解、剔除及组合等操作得到两幅彩色图像,然后将这两幅彩色图像输入到设计的卷积神经网络中,以重建出完整的彩色图像,该网络能充分地利用卷积层所生成的特征信息。实验结果表明,所提算法重建出的完整彩色图像的质量相对较高,并且在一定程度上缓解了拉链和伪影等问题,其客观指标和主观评价都优于对比算法。

基于Bayer模板的单CCD 相机通过彩色滤波阵列采集图像数据,图像中的每个像素只有红、绿、蓝3种颜色分量中的一种, 为提高图像分辨率, 获取高质量的彩色图像, 需要通过色彩还原方法恢复另外两种颜色分量。线性插值方法算法简单、运算速度快, 在数字图像色彩还原中经常采用。文章结合Bayer模板结构特点, 介绍目前常用的3种色彩还原插值算法, 包括基于像素复制法、双线性插值法和高质量插值法, 分析和讨论了这些算法的思路和性能特点。通过样本图像色彩还原对比实验, 对各种算法进行了图像质量和处理速度性能比较, 结果表明,高质量插值法还原图像细节丰富, 具有最佳的色彩还原性能。文中最后对色彩还原技术的未来发展趋势进行了展望。

为了减少算法的计算量,保证系统的实时性,本文针对Bayer格式图像提出了一种有效的彩色复原插值算法。插值过程中利用了人眼的视觉特性,能够更精确地得到图像的亮度信息和边缘信息。利用彩色图像的边缘特性更精确地复原了边缘处的R、G、B值。算法最终解为一系列5×5大小稀疏的线性滤波器,其复杂度低,实现简单,能在计算机各种嵌入式处理器中完成实时处理。实验证明,本算法的峰值信噪比(PSNR)比通常采用的双线性算法高4~6 db,且有效地减少了插值算法中出现的锯齿现象,使图像彩色的复原性和实时性比双线性算法更优越,具有一定的应用价值。