[發(fā)明專利]基于多維度非局部統(tǒng)計(jì)本征的去馬賽克方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911234638.0
• 申請(qǐng)日: 2019-12-05
• 公開(kāi)（公告）號(hào): CN110992266B
• 公開(kāi)（公告）日: 2022-06-03
• 發(fā)明（設(shè)計(jì)）人: 邊麗蘅;王宇剛;張軍;曹先彬
• 申請(qǐng)（專利權(quán)）人: 北京理工大學(xué)
• 主分類號(hào): G06T3/40
• 分類號(hào): G06T3/40;G06T5/00
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 石茵汀

本發(fā)明公開(kāi)了一種基于多維度非局部統(tǒng)計(jì)本征的去馬賽克方法及系統(tǒng)，其中，該方法包括：將測(cè)量數(shù)據(jù)按預(yù)設(shè)維度分離，對(duì)分離后的所有通道圖像做初始化估計(jì)并組成多維度的預(yù)設(shè)圖像組；設(shè)定樣例圖像子塊，在預(yù)設(shè)圖像組中多維度地查找與樣例圖像子塊結(jié)構(gòu)相似的圖像子塊進(jìn)行匹配，并將結(jié)構(gòu)相似的圖像子塊組合成數(shù)據(jù)矩陣；對(duì)真實(shí)和模擬測(cè)量數(shù)據(jù)進(jìn)行相似性約束，并聯(lián)合數(shù)據(jù)矩陣的低秩正則化約束，構(gòu)建目標(biāo)函數(shù)；對(duì)目標(biāo)函數(shù)進(jìn)行求解，得到目標(biāo)圖像組的估計(jì)值；將估計(jì)值作為新預(yù)設(shè)圖像組，循環(huán)迭代上述步驟至指定次數(shù)，得到目標(biāo)去馬賽克圖像組。該方法利用自然圖像在多維度區(qū)域以及非局部區(qū)域的相似結(jié)構(gòu)信息，實(shí)現(xiàn)較高的去馬賽克精度，保證圖像細(xì)節(jié)的恢復(fù)。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺(jué)和計(jì)算攝像學(xué)中的計(jì)算重建技術(shù)領(lǐng)域，特別涉及一種基于多維度非局部統(tǒng)計(jì)本征的去馬賽克方法及系統(tǒng)。

背景技術(shù)

體積小、成本低的單傳感器結(jié)構(gòu)相機(jī)通過(guò)在圖像傳感器前方覆蓋一層光譜濾波陣列膜，能夠?qū)崿F(xiàn)僅用單個(gè)圖像傳感器獲取多個(gè)光譜通道圖像的目的。光譜濾波陣列膜使得圖像傳感器上每一個(gè)像素點(diǎn)只能接收一個(gè)波段的光，其獲取的圖像被稱為馬賽克圖像。利用算法將各波段缺失的像素分量估計(jì)出來(lái)的過(guò)程被稱為去馬賽克過(guò)程。去馬賽克問(wèn)題自誕生以來(lái)就獲得了廣泛關(guān)注，如何實(shí)現(xiàn)高精度的光譜圖像重建成為了研究的熱點(diǎn)方向。

傳統(tǒng)的去馬賽克技術(shù)多以插值法為主。起初，人們用最近鄰插值和雙線性插值這類簡(jiǎn)單插值方法解決去馬賽克問(wèn)題，然而這些方法對(duì)于圖像邊緣區(qū)域的重建較差。為此，柯達(dá)公司的J.F Hamilton和J.Adams在1997年提出了一種基于圖像邊緣信息的自適應(yīng)插值方法。該方法通過(guò)計(jì)算圖像的邊緣梯度，利用圖像像素間相關(guān)性提高算法對(duì)圖像邊緣的重建精度。后續(xù)有許多方法同樣在圖像邊緣方向上進(jìn)行插值，如2005年美國(guó)西弗吉尼亞大學(xué)的Li等人提出的連續(xù)逼近去馬賽克方法和2006年美國(guó)田納西大學(xué)的Miao等人提出的基于二叉樹(shù)邊緣感知的去馬賽克方法。

隨著壓縮感知技術(shù)的發(fā)展，美國(guó)密歇根州立大學(xué)的Moghadam等人在2010年提出壓縮去馬賽克方法，他們利用壓縮感知技術(shù)對(duì)光譜圖像中缺失的像素分量進(jìn)行估計(jì)。受此啟發(fā)，2014年Aggarwal等人嘗試將壓縮感知技術(shù)應(yīng)用在多光譜去馬賽克技術(shù)中，該方法不僅使用的濾波陣列泛化性更好，而且取得了較傳統(tǒng)插值方法更好的重建結(jié)果。

同時(shí)，2009年，Buades等人提出使用非局部均值方法(NLM)解決紅綠藍(lán)三通道的去馬賽克問(wèn)題，該方法找得相似圖像塊后，通過(guò)加權(quán)平均的方法調(diào)整當(dāng)前塊的像素值。在Mariral等人提出的聯(lián)合稀疏編碼去馬賽克方法中，在稀疏字典上使用非局部均值算法用以改良稀疏字典，提高了紅綠藍(lán)三通道的去馬賽克重建精度。但是，上述兩種非局部方法都只用于紅綠藍(lán)三通道，沒(méi)有向多光譜去馬賽克問(wèn)題延申，另外，上述兩種方法使用的非局部均值算法可能帶來(lái)的平滑效應(yīng)會(huì)導(dǎo)致邊緣和紋理信息的保持較差。因此，如何在增加光譜通道的同時(shí)保證去馬賽克重建精度，亟待解決。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問(wèn)題之一。

為此，本發(fā)明的一個(gè)目的在于提出一種基于多維度非局部統(tǒng)計(jì)本征的去馬賽克方法，該方法充分利用了自然圖像在不同維度上的非局部結(jié)構(gòu)信息，能夠達(dá)到更好的去馬賽克效果。

本發(fā)明的另一個(gè)目的在于提出一種基于多維度非局部統(tǒng)計(jì)信息的去馬賽克系統(tǒng)。