出于對(duì)設(shè)計(jì)成本和經(jīng)濟(jì)成本的考慮,大多數(shù)現(xiàn)代彩色數(shù)碼相機(jī)都配備了一個(gè)單一的傳感器來(lái)獲取圖像。單傳感器獲取的Bayer圖像每個(gè)像素處只有紅綠藍(lán)三種顏色的一種。要得到一副完整的彩色圖像,需要估計(jì)每個(gè)像素處缺失的顏色分量值。上述過(guò)程通常被稱為Bayer圖像去馬賽克。去馬賽克算法的結(jié)果直接關(guān)系到彩色數(shù)碼相機(jī)獲取彩色圖像的質(zhì)量好壞,同時(shí)也是物體檢測(cè)、圖像識(shí)別等高級(jí)圖像處理技術(shù)的前提,所以研究高效的去馬賽克算法,仍具有重要的實(shí)用價(jià)值。本文針對(duì)當(dāng)前去馬賽克算法在時(shí)間和精度方面存在的不足,提出了兩種去馬賽克算法。1.針對(duì)時(shí)間嚴(yán)苛的場(chǎng)景,提出了一種新的融合梯度權(quán)值的高質(zhì)量低成本去馬賽克算法。隨著近些年中央處理器（CPU）和圖形處理器（GPU）等設(shè)備運(yùn)算能力的提升,經(jīng)典的應(yīng)用廣泛的低成本去馬賽克算法生成的圖像質(zhì)量漸漸不能滿足人們視覺(jué)需要。Malvar等人的經(jīng)典的高質(zhì)量線性插值算法（High Quality Linear Interpolation,HQLI）是實(shí)際應(yīng)用中使用最廣泛的一種,被廣泛應(yīng)用在時(shí)間嚴(yán)苛的場(chǎng)景或者作為復(fù)雜去馬賽克算法的初始化輸入,但該算法在邊緣處容易出現(xiàn)偽影,視覺(jué)效果不盡人意。在深入研究... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 數(shù)碼相機(jī)
    1.3 濾色器陣列
    1.4 去馬賽克算法的研究現(xiàn)狀
    1.5 論文的主要內(nèi)容和結(jié)構(gòu)安排
第2章 Bayer圖像去馬賽克的相關(guān)基礎(chǔ)知識(shí)
    2.1 去馬賽克算法的設(shè)計(jì)準(zhǔn)則
        2.1.1 顏色相關(guān)性
        2.1.2 空間相關(guān)性
    2.2 去馬賽克算法常見(jiàn)的人工痕跡
        2.2.1 模糊
        2.2.2 拉鏈效應(yīng)
        2.2.3 偽影
    2.3 去馬賽克算法的評(píng)價(jià)指標(biāo)
        2.3.1 客觀評(píng)價(jià)指標(biāo)
        2.3.2 主觀視覺(jué)評(píng)價(jià)
    2.4 本章小結(jié)
第3章 融合梯度權(quán)值的高質(zhì)量低成本去馬賽克算法
    3.1 引言
    3.2 經(jīng)典的高質(zhì)量低成本去馬賽克算法(HQLI)
    3.3 改進(jìn)的融合梯度權(quán)值的高質(zhì)量低成本去馬賽克算法
        3.3.1 計(jì)算每個(gè)采樣點(diǎn)水平和垂直方向上的梯度和權(quán)值
        3.3.2 插值過(guò)程
    3.4 實(shí)驗(yàn)設(shè)計(jì)
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 客觀評(píng)價(jià)結(jié)果
        3.5.2 主觀評(píng)價(jià)結(jié)果
    3.6 本章小結(jié)
第4章 基于殘差學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)去馬賽克圖像質(zhì)量提升算法
    4.1 引言
    4.2 卷積神經(jīng)網(wǎng)絡(luò)模型
        4.2.1 神經(jīng)網(wǎng)絡(luò)
        4.2.2 卷積神經(jīng)網(wǎng)絡(luò)
        4.2.3 殘差學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)
    4.3 基于殘差學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)去馬賽克圖像質(zhì)量提升算法
        4.3.1 卷積神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)
        4.3.2 損失函數(shù)的設(shè)計(jì)
        4.3.3 實(shí)驗(yàn)設(shè)計(jì)
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 客觀評(píng)價(jià)結(jié)果
        4.4.2 主觀評(píng)價(jià)結(jié)果
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)介
致謝



本文編號(hào)：3175193