一种基于压缩感知的图像去马赛克算法

文中提出了一种基于分块压缩感知的图像去马赛克算法。该算法首先将Bayer色彩滤镜阵列采样值等效为压缩感知理论中感知矩阵采样所得的压缩数据。其次通过结合Bayer色彩滤镜阵列自身特点训练分块稀疏字典。最后在训练所得稀疏字典的基础上利用分块压缩感知重构算法便可精确重构出Bayer色彩滤镜阵列采样结果。由于训练所得稀疏字典能有效降低与Bayer色彩滤镜采样阵列之间的相关性,因此文中所提出的图像去马赛克算法能有效对单一Bayer色彩滤镜阵列采样值进行重构。通过实验验证表明:新的图像去马赛克算法明显优于传统插值算法,重构所得彩色图像在去除假色影响的同时能完整保留原始图像的细节信息。

基于噪声水平估计的去马赛克算法

针对Bayer格式的彩色滤波阵列,鉴于传统的去马赛克算法不能在去马赛克的同时实现降噪,提出了一种针对噪声彩色滤波阵列图像的基于噪声水平估计的去马赛克算法。该算法首先估计每个通道的均匀区域估计出图像的噪声水平,然后基于不同的噪声水平选择不同的参数来降噪,并同时利用色彩梯度和残差插值实现联合去马赛克。实验结果表明在不同噪声程度下,算法表现良好;且相对于传统插值算法,提高了峰值信噪比,改善了视觉效果。

基于生成对抗网络的CFA图像去马赛克算法

在单传感器数码相机图像采集系统的彩色滤波阵列中,每个像素仅捕获单一颜色分量,并且在彩色图像重构过程中图像边缘等高频区域的伪影现象尤为明显。提出一种基于生成对抗网络的图像去马赛克算法,通过设计生成对抗网络的生成器、鉴别器和网络损失函数增强学习图像高频信息的能力,其中使用的生成器为具有残差稠密块和远程跳跃连接的深层残差稠密网络,鉴别器由一系列堆叠的卷积单元构成,并且结合对抗性损失、像素损失以及特征感知损失改进网络损失函数,提升网络整体性能。数值实验结果表明,与传统去马赛克算法相比,该算法能更有效减少图像边缘的伪影现象并恢复图像高频信息,生成逼真的重建图像。

基于Hibbard算法的改进型插值算法

Bayer阵列作为当今最主流的滤光片阵列,与之相关的去马赛克算法已经有了深入研究。随着数码相机和数字化技术的发展,彩色滤光片被广泛应用于各种场景中,因此对Bayer阵列插值算法的改进具有重要的应用价值。该文针对Bayer阵列,首先提出了一种基于Hibbard算法的改进型梯度插值算法。通过对RGB三通道的色彩值取对数,然后进行线性插值,得到各像素点的亮度值,再将得到的亮度值赋予Hibbard算法的对应像素点,进行亮度修正,并对还原的结果采用MSE指标评价相似程度。实验表明:该算法能够有效改善低亮度图片的恢复效果,使细节处亮度更高,视觉效果更清晰。

一种八谱段滤光片成像系统设计

针对多光谱滤光片阵列成像采样率低,原始(Raw)数据稀疏所导致的重建图像模糊,高频信息丢失等问题,提出了一种新八谱段滤光片阵列分布方案,利用基于邻域梯度延伸方法对光谱Raw图像进行重建.首先基于二叉树生成法,在重复排列的4×4阵列中设计了一种等空间概率比的八谱段滤光片分布方案;然后针对传感器直接获取的稀疏Raw图像,计算各谱段采样点的梯度信息,在保持图像结构特征和纹理信息的基础上,利用邻域采样点的像素值和梯度值对未采样点进行重建,从而获得完整的光谱图像信息;最后,基于已重建的八谱段光谱图像,采用伪逆矩阵法重构各像素位置的31波段光谱值.结果表明,相对于主流图像重建方法,本文算法提高了重建八谱段光谱图像的峰值信噪比、复合峰值信噪比,降低了光谱均方差,更好地保留了图像的纹理和边缘,有效降低了多光谱滤光片阵列成像中的颜色伪影和图像模糊等现象.

基于CFA痕迹的图像局部篡改取证

提出了一种能够对数码相机成像的图像进行取证的新方法,可以精确定位到图像中伪造区域的位置。这种处理中,假定图像成像前经过颜色滤波矩阵(CFA),而图像的篡改操作会破坏CFA痕迹,这种假定对大多数商业相机所生成的图像是成立的。因此,在此基础上,找到了一种新的特征,可判定CFA痕迹在局部区域是否存在。这种特征在不需要预测该图像可能被篡改区域的情况下,可以计算很小的图像块(2×2)的伪造概率。实验部分对不同的相机品牌、不同的去马赛克算法进行验证,结果证明该方法检测率高且计算复杂度低。