彩色圖像中,每個(gè)像素點(diǎn)的像素值由紅、綠、藍(lán)三個(gè)顏色成分的值決定,每種顏色成分稱(chēng)為一個(gè)顏色通道.然而彩色圖像記錄設(shè)備在記錄圖像時(shí)采用的是單通彩色濾波陣列,單通彩色濾波陣列在每個(gè)像素點(diǎn)只記錄一個(gè)顏色成分的值,例如紅色的值、或者綠色的值、或者藍(lán)色的值.所以彩色圖像記錄設(shè)備記錄到的圖像為馬賽克圖像,需要利用圖像去馬賽克算法對(duì)馬賽克圖像進(jìn)行處理獲得彩色圖像.圖像去馬賽克就是利用單通彩色濾波陣列記錄到的單色信息,去獲得每個(gè)像素點(diǎn)的其他兩個(gè)顏色信息,最后獲得一幅彩色圖像的過(guò)程.由此可見(jiàn),圖像去馬賽克算法是人們利用彩色圖像記錄設(shè)備獲取彩色圖像的重要技術(shù),所以圖像去馬賽克算法的研究具有重要的理論及實(shí)際意義.本論文提出了一個(gè)基于加權(quán)核范數(shù)最小化的彩色圖像去馬賽克方法.首先,介紹了去馬賽克問(wèn)題并概述去馬賽克方法,簡(jiǎn)單介紹加權(quán)核范數(shù)最小化方法;其次,利用彩色圖像顏色通道間的相關(guān)性信息,基于加權(quán)核范數(shù)最小化方法建立彩色圖像去馬賽克模型,并設(shè)計(jì)交替迭代算法求解該模型;最后,給出所構(gòu)造方法的圖像去馬賽克的實(shí)驗(yàn)結(jié)果,并與現(xiàn)有的其他去馬賽克方法所獲得的結(jié)果進(jìn)行比較,視覺(jué)和數(shù)值結(jié)果顯示,本文所提出的模型得到了效果更好的去... 

【文章來(lái)源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：33 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

(a)”Bayer”模式,(b)馬賽克圖像

蘭州大學(xué)碩士學(xué)位論文基于加權(quán)核范數(shù)最小化的彩色圖像去馬賽克方法圖2.1:(a)原圖像,(b)馬賽克圖像記,和分別為原圖像的紅、綠、藍(lán)三個(gè)顏色通道的信息,他們的大小均為m×n,則=[,,]代表原圖像的全部信息,大小為3m×n.相應(yīng)的,定義噪聲馬賽克圖像=[,,],其大小也為3m×n.本文將利用()、()和()和一定邊界條件下的由卷積核生成的矩陣進(jìn)行計(jì)算得到通道間相關(guān)性信息,首先定義卷積核：1=000011000,2=000010010.將發(fā)現(xiàn)卷積核(=1,2)可以在不同方向上實(shí)現(xiàn)相鄰元素之間的差值.本文在周期邊界條件或者反射邊界條件下,考慮整幅圖像的通道間相關(guān)性信息,所以將填充零元素后循環(huán)移位,生成大小為mn×mn的(=1,2).在周期邊界條件下,是一個(gè)元素僅有0、1和-1的塊循環(huán)-循環(huán)塊(BCCB,block-circularwithcircular-block)矩陣,該矩陣?yán)昧酥芷谶吔缂僭O(shè),周期性重復(fù)圖像像素的值,經(jīng)過(guò)與圖像向量的計(jì)算,能使得圖像向量變成一個(gè)周期向量.在反射邊界條件下,是一個(gè)元素僅有0、1和-1的塊Toeplitz+Hankel-Toeplitz+Hankel塊(BTHTHB,block-Toeplitz-plus-HankelwithToeplitz-plus-Hankel-block)矩陣,該矩陣?yán)昧朔瓷溥吔缂僭O(shè),在圖像邊界外側(cè)擴(kuò)展圖像數(shù)據(jù),經(jīng)過(guò)與圖像向量的計(jì)算,能使得圖像向量在擴(kuò)展后邊界兩側(cè)的像素值對(duì)稱(chēng).8

蘭州大學(xué)碩士學(xué)位論文基于加權(quán)核范數(shù)最小化的彩色圖像去馬賽克方法將最好的數(shù)值用加粗字體標(biāo)出.表3.1和表3.3分別列出了兩種噪聲水平下不同方法去馬賽克圖像的PSNR值,表3.2和表3.4中列出在兩種噪聲水平下不同方法去馬賽克圖像的SSIM值.在表3.1和表3.3中,由PROP去馬賽克得到的最好平均PSNR值分別出現(xiàn)了15、19次,表3.2和表3.4中,由PROP去馬賽克得到的最好平均SSIM值分別出現(xiàn)了9、22次.這表明相比較于其他方法,PROP最高獲得了實(shí)驗(yàn)中百分之八十的最好平均PSNR結(jié)果和百分之九十的最好平均SSIM結(jié)果.在表3.2中,大部分結(jié)果雖然沒(méi)有足夠好,但是讀者仍然可以從表3.5列舉的平均結(jié)果中,發(fā)現(xiàn)PROP的優(yōu)越性.此外還需指出,[33]提出的模型及其求解算法中,由于圖像過(guò)大,該算法將圖像分為四個(gè)不重疊的部分分別進(jìn)行圖像去馬賽克,但我們注意到,如果圖像的寬度或者高度不為偶數(shù)時(shí),該算法在去馬賽克圖像結(jié)果中會(huì)出現(xiàn)其他信息,而這些信息并非我們需要的.PROP對(duì)整張圖像進(jìn)行處理,不會(huì)存在上述問(wèn)題.圖3.1:實(shí)驗(yàn)采用圖像從左到右:tower,motocross-bikes,girlinred,waterrafters.14


本文編號(hào)：3036658