视频前端预处理中去马赛克技术研究

论文摘要

随着视频技术的飞速发展与数码电子产品的日益普及,高质量图像及其序列的采集与处理已成为一个非常活跃的研究领域,而Demosaic（去马赛克）则是其中一项必不可少的关键性技术。本文在介绍图像插值原理的基础上,着重分析了业界广泛采用的四种图像去马赛克插值算法的主要原理和实现过程,并对它们各自的优缺点进行了分析比较,进而提出了自适应滤波去马赛克插值算法。图像插值算法研究的主要任务就是在探索科学插值方法的同时,寻求插值复杂度与插值图像质量之间的平衡点。通过分析CFA模式图像阵列,可以得到以下结论:（1）R、G、B三个彩色通道具有极高的相关性;（2）亮度通道（G通道）采样率高于色度通道（R、B通道）。即G分量相对于R、B分量将保存更多的图像细节。由于R,B通道的低采样率,R、B分量将会在图像的高频区域,例如边缘区域产生混叠,从而出现伪彩色。因此R、B色度通道的插值将成为提高恢复图像质量的重点。由于应用系统的实时性要求,我们均衡考虑计算复杂度和恢复图像质量,提出一种基于自适应滤波技术的插值算法。首先利用从R,B分量中提取出的高频信息作为修正因子,完成G分量插值;再根据色调平滑假设,估计遗失的R、B分量;最后对（R-G）和（B-G）这两个色差分量进行中值滤波处理进一步保证色调平滑变化,消除上一步操作中产生的伪彩色。本算法的一个突出优点是通过灵活选取迭代中值滤波的次数,可满足不同系统的实时性要求。实验表明,本文提出的算法是一种高效的去马赛克算法,它能够在很大程度上减少一般算法中所出现的人工痕迹,有效降低伪彩色现象和边缘模糊效应,而且运算量小,运算效率高,复杂度低,具有质量可分级性,图像处理效果好,是一种实用的图像去马赛克算法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 图像插值
• 1.2 线性插值与非线性插值
• 1.2.1 线性插值
• 1.2.2 非线性插值
• 1.3 灰度图像插值与彩色图像插值
• 1.3.1 灰度图像插值
• 1.3.2 彩色图像插值
• 1.4 用于CFA 的彩色图像去马赛克插值
• 1.5 本文结构安排
• 第二章 灰度图像插值与彩色图像插值
• 2.1 灰度图像插值
• 2.1.1 关于插值函数
• 2.1.2 线性插值
• 2.1.3 非线性插值
• 2.2 彩色图像插值
• 2.2.1 彩色图像处理
• 2.2.2 肉眼色度视觉原理
• 2.2.3 彩色模型及彩色坐标变换
• 2.2.4 用多变量排序滤波器进行图像处理
• 2.3 CFA 中的彩色去马赛克插值
• 2.3.1 用于彩色图像传感器的插值算法
• 2.3.2 RGB 颜色空间的彩色插值算法
• 2.3.3 颜色色差空间的彩色插值方法
• 第三章 图像插值算法分析
• 3.1 双线性插值算法分析
• 3.1.1 双线性插值算法原理
• 3.1.2 双线性插值实现过程
• 3.1.3 双线性插值性能分析
• 3.2 VNG 插值算法分析
• 3.2.1 VNG 插值算法原理
• 3.2.2 VNG 插值实现过程
• 3.3 PIXEL GROUPING插值算法分析
• 3.3.1 Pixel grouping 插值算法原理
• 3.3.2 Pixel grouping 插值实现过程
• 3.4 AD 插值算法分析
• 3.4.1 AD 插值算法原理
• 3.4.2 AD 插值实现过程
• 3.4.3 AD 插值算法优性能分析
• 3.5 自适应滤波去马赛克算法分析
• 3.5.1 自适应滤波去马赛克算法原理
• 3.5.2 自适应滤波去马赛克算法实现过程
• 3.5.3 自适应滤波去马赛克算法性能分析
• 第四章 算法结果分析
• 4.1 实验结果分析
• 4.2 结论
• 第五章 结束语
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文