基于稀疏特性分析和压缩感知重构框架的彩色图像Demosaicking方法研究

在彩色图像成像系统中，Demosaicking（去马赛克）方法是获取高质量全彩色图像的一项必不可少的关键性技术。本项目主要针对目前传统Demosaicking方法存在重建效果不理想、拉链虚假色现象严重等问题，从分析图像稀疏特性角度出发，研究基于压缩感知理论重建框架的Demosaicking方法及其关键技术。通过利用彩色成像原理和RGB光谱特征对彩色图像全局和局部稀疏特性进行分析；改造重构模型中的目标函数，通过向重建框架中的目标函数添加正则项来保证重建的有效性；设计新的优化求解算法，提高重建全彩色图像的抗噪能力；形成一套低成本、高性能的彩色图像Demosaicking新方法。本项目有望在彩色图像Demosaicking理论和实践方面有所突破，为彩色图像采集设备提供获取高质量彩色图像新方案，具有深远的研究意义和广泛的应用价值。

本项目主要围绕基于稀疏特性分析和压缩感知重构框架的彩色图像去马赛克（Demosaicking）方法展开研究，并在此基础上进行了扩展研究。（1）针对传统Demosaicking方法存在重建效果不理想、拉链虚假色现象严重等问题，从压缩感知角度重新审视彩色图像Demosaicking全过程，提出了一种基于图像稀疏模型和自适应主成分分析的新方法。该方法通过彩色图像成像模型和光谱特征来描述各颜色分量间稀疏性，建立了联合优化正则模型，并设计了优化求解算法。仿真实验结果表明该方法能提高重建全彩色图像的抗噪能力，结果优于大多数现有Demosaicking算法，实际成像结果也显示出了更好的视觉效果。（2）结合彩色成像原理，构建了统一的编码感知计算成像框架，并将其应用于遥感领域，提出了基于随机编码曝光的高分辨率光谱成像新方法，设计了基于反射角高速切换的编码曝光方法。该方法采用一个高速转镜将入射光分为两路，同时进行互补随机编码曝光调制，实现多个像素点与一个传感器像元对应，将丰富的场景信息压缩采样到少量的观测数据中。然后在压缩感知理论的指导下，利用场景稀疏性构建优化反演模型，重构出高分辨率光谱图像。实验结果表明该方法可以做到在保持较高光谱分辨率的前提下，较大提升光谱图像的空间分辨率。