一种基于多导向滤波的快速bayer彩色重建方法技术

本发明专利技术提供一种基于多导向滤波的快速bayer彩色重建方法，涉及CFA图像处理技术领域。本发明专利技术步骤如下：步骤1：获取bayer图像，对该图像进行导向组初始化；对图像中每个绿色像素缺失位置进行导向组设置，将每个像素位置的8个导向划分为4组导向，每组包括3个导向，导向组可表示为：{ui,li,di,ri}(q,v),i＝‑1,0,1；步骤2：计算色差影像；步骤3：计算基于色差的梯度影像；步骤4：计算导向权值矩阵；步骤5：计算导向估计矩阵；步骤6：绿色波段重建；步骤7：基于色差的线性滤波红、蓝波段重建，红、绿、蓝波段全部重建后得到彩色图像。本方法可以广泛应用于bayer影像彩色重建场景，有效快速实现高质量的彩色重建影像。

A fast Bayer color reconstruction method based on multi-directional filtering

The invention provides a fast Bayer color reconstruction method based on multi-directional filtering, which relates to the field of CFA image processing technology. The steps of the invention are as follows: step 1: acquire the Bayer image and initialize the guiding group for the image; set the guiding group for each missing green pixel position in the image, divide eight guiding groups for each pixel position into four groups, each group includes three guiding groups, which can be expressed as {ui li, di ri} (q, v), i= 1, 0, 1; step 2: calculate the chromatic aberration image; step 3: calculate the base; Step 4: Calculate the steering weight matrix; Step 5: Calculate the steering estimation matrix; Step 6: Green band reconstruction; Step 7: Linear filtering red and blue band reconstruction based on color difference; All the red, green and blue bands are reconstructed to get the color image. This method can be widely used in color reconstruction scene of Bayer image, and can effectively and quickly realize high quality color reconstruction image.

【技术实现步骤摘要】
一种基于多导向滤波的快速bayer彩色重建方法
本专利技术涉及CFA图像处理
，尤其涉及一种基于多导向滤波的快速bayer彩色重建方法。
技术介绍
随着遥感对地观测技术的不断发展，视频卫星作为一种全新的对地观测手段，能够获取一定区域范围内的高动态信息，已经逐渐成为研究和使用的新热点。出于研制成本、数据传输压力和工艺难度等因素，视频卫星的相机成像系统一般只采用一个CMOS传感器，并在传感器前端安置一块彩色滤光阵列——bayer模板，通过bayer模板生成的影像称为bayer影像。Bayer影像在每一个像素位置只获取一种颜色的灰度值，其他两种颜色被过滤掉，如图1所示。因此bayer影像可以减少三分之二的数据量，有效节省星上存储资源，减轻星地传输压力；同时极大的减轻了卫星重量和体积，研制成本和制作工艺难度得到显著改善。但bayer影像的成像特性使得影像的每个像素损失2种颜色的彩色信息，必须对其进行插值重建处理，恢复成彩色影像后才能进行后续的处理和应用。传统的彩色重建方法主要是针对工业相机，高质量的重建往往需要复杂地、多次迭代运算获取准确的插值导向和灰度估计值，执行效率较低。此外，视频卫星的Bayer影像一般尺寸较大、帧数较多，计算耗时的问题更为严重。而一般快速的方法很难准确估计邻域灰度相关性，重建质量往往不佳。因此bayer影像彩色重建的质量和效率的矛盾问题是制约视频卫星后续应用的主要因素之一。
技术实现思路
本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种基于多导向滤波的快速bayer彩色重建方法，本方法可以广泛应用于bayer影像彩色重建场景，有效实现快速、高质量的彩色重建影像。为解决上述技术问题，本专利技术所采取的技术方案是：一种基于多导向滤波的快速bayer彩色重建方法，包括以下步骤：步骤1：获取bayer图像后，对该图像进行导向组初始化；在图像中每个绿色像素缺失的位置进行导向组设置，将上、下、左、右、左上、右上、左下及右下8个导向划分为上、下、左、右4组导向，每组包括3个导向，导向组可表示为：{ui,li,di,ri}(q,v)，其中，q、v分别代表像素位置的行、列，i＝-1,0,1，ui代表上方向导向组，li代表左方向导向组，di代表下方向导向组，ri代表右方向导向组；步骤2：计算色差影像；水平和垂直影像的滤波hf和vf设为：hf＝[-1/41/21/21/2-1/4]vf＝(hf)′其中，(*)′表示矩阵的转置操作符，水平影像imgh和垂直影像imgv表示为：imgh＝filter(bayer1,hf)imgv＝filter(bayer1,vf)上式中，filter(*)表示影像卷积滤波操作符，利用快速傅立叶变换FFT算法将空间域中所有像素位置循环遍历计算转换到频率域的单次计算，bayer1表示原始bayer影像；水平色差影像dh通过下式得到：dh(g)＝bayerG-imgh(m,b)dh(m,b)＝imgh(g)-bayerCdh＝dh(g)+dh(m,b)其中，dh(g)表示dh中绿色位置的像素值；dh(m,b)表示dh中红色或蓝色位置的像素值；bayerG表示原始bayer影像的绿色波段；imgh(m,b)表示在imgh中bayer绿色位置上通过插值得到的红或蓝像素，bayerC表示原始bayer影像的红色或蓝色波段,其中C＝R或B；C＝R为原始bayer影像的红色波段，C＝B为原始bayer影像的蓝色波段；imgh(g)表示在bayer图像中红或蓝位置上通过插值得到的绿色像素；垂直色差影像dv通过下式得到：dv(g)＝bayerG-imgv(m,b)dv(m,b)＝imgv(g)-bayerCdv＝dv(g)+dv(m,b)其中，dv(g)表示dv中绿色位置的像素值；dv(m,b)表示dv中红色或蓝色位置的像素值；bayerG表示原始bayer影像的绿色波段；imgv(m,b)表示在imgv中bayer影像绿位置上通过插值得到的红或蓝像素，bayerC表示原始bayer影像的红色或蓝色波段,其中C＝R或B；C＝R为原始bayer影像的红色波段，C＝B为原始bayer影像的蓝色波段；imgv(g)表示在imgv中bayer影像红或蓝位置上通过插值得到的绿色像素；步骤3：计算基于色差的梯度影像；根据步骤2得到的水平和垂直的色差影像，求出水平色差梯度影像gdh、垂直色差梯度影像gdv；公式如下：gdh＝abs(filter(dh,[10-1]))gdv＝abs(filter(dv,[10-1]′))上式中，abs(*)表示绝对值操作符；步骤4：计算导向权值矩阵；对4组导向进行相似性评价，通过单方向的组合导向丰富多方向的相关性描述，并引入高斯滤波进行局部加权处理；分别求出上方向组合导向{ui}q,v,i＝-1,0,1对应的权值矩阵upi、左方向组合导向{li}q,v,i＝-1,0,1对应的权值矩阵lefti、下方向组合导向{di}q,v,i＝-1,0,1对应的权值矩阵downi、右方向组合导向{ri}q,v,i＝-1,0,1对应的权值矩阵righti；步骤5：计算导向估计矩阵；利用色差影像求出4组导向对应的估计矩阵，对相关局部区域进行统计处理，分别求出上方向估计矩阵upMati、左方向估计矩阵leftMati、下方向估计矩阵downMati、右方向估计矩阵rightMati；步骤6：绿色波段重建；绿色色差影像imgGd通过下式获得：通过绿色色差影像imgGd求得绿色波段imgG，公式如下：imgG＝imgGd+bayer1步骤7：基于色差的线性滤波红波段和蓝波段重建；红、绿、蓝波段全部重建后得到bayer彩色图像；结合步骤6中重建后的绿波段，在色差波段中利用对角和双线性滤波进行插值重建；其中，对角滤波dfilter为：双线性滤波bfilter为：则红色波段imgR通过下式计算求得：imgR＝imgG-filter(filter(imgG-bayerR,dfilter),bfilter)蓝色波段imgB的重建通过下式计算求得：imgB＝imgG-filter(filter(imgG-bayerB,dfilter),bfilter)。所述步骤4包括如下子步骤：步骤4.1：上方向组合导向{ui}q,v,i＝-1,0,1对应的权值矩阵upi表示为：upi＝filter(gdv,upfilteri)其中，upfilteri为upi系数滤波，i＝-1,0,1，分别表示为：gaufilterj是标准差为2的3*3高斯滤波的第j列，j＝1，2，3；所述高斯滤波为：步骤4.2：左方向组合导向{li}q,v,i＝-1,0,1对应的权值矩阵lefti表示为：lefti＝filter(gdh,leftfilteri)其中，leftfilteri为lefti系数滤波，i＝-1,0,1，分别表示为：gaufilterj′表示高斯滤波gaufilter的第j行；步骤4.3：下方向组合导向{di}q,v,i＝-1,0,1对应的权值矩阵downi表示为：downi＝filter(gdv,downfilteri)其中，downfilteri为downi系数滤波，i＝-1,0,1，分别表示为：gaufilterj本文档来自技高网...

【技术保护点】
1.一种基于多导向滤波的快速bayer彩色重建方法，其特征在于：包括以下步骤：步骤1：获取bayer图像后，对该图像进行导向组初始化；在图像中每个绿色像素缺失的位置进行导向组设置，将上、下、左、右、左上、右上、左下及右下8个导向划分为上、下、左、右4组导向，每组包括3个导向，导向组可表示为：{ui,li,di,ri}(q,v)，其中，q、v分别代表像素位置的行、列，i＝‑1,0,1，ui代表上方向导向组，li代表左方向导向组，di代表下方向导向组，ri代表右方向导向组；步骤2：计算色差影像；水平和垂直影像的滤波hf、vf设为：hf＝[‑1/4 1/2 1/2 1/2 ‑1/4]vf＝(hf)′其中，(*)′表示矩阵的转置操作符，水平影像imgh和垂直影像imgv表示为：imgh＝filter(bayer1,hf)imgv＝filter(bayer1,vf)上式中，filter(*)表示影像卷积滤波操作符，利用快速傅立叶变换FFT算法将空间域中所有像素位置循环遍历计算转换到频率域的单次计算，bayer1表示原始bayer影像；水平色差影像dh通过下式得到：dh(g)＝bayerG‑imgh(m,b)dh(m,b)＝imgh(g)‑bayerCdh＝dh(g)+dh(m,b)其中，dh(g)表示dh中绿色位置的像素值；dh(m,b)表示dh中红色或蓝色位置的像素值；bayerG表示原始bayer影像的绿色波段；imgh(m,b)表示在imgh中bayer绿色位置上通过插值得到的红或蓝像素，bayerC表示原始bayer影像的红色或蓝色波段,其中C＝R或B；C＝R为原始bayer影像的红色波段，C＝B为原始bayer影像的蓝色波段；imgh(g)表示在bayer图像中红或蓝位置上通过插值得到的绿色像素；垂直色差影像dv通过下式得到：dv(g)＝bayerG‑imgv(m,b)dv(m,b)＝imgv(g)‑bayerCdv＝dv(g)+dv(m,b)其中，dv(g)表示dv中绿色位置的像素值；dv(m,b)表示dv中红色或蓝色位置的像素值；bayerG表示原始bayer影像的绿色波段；imgv(m,b)表示在imgv中bayer影像绿位置上通过插值得到的红或蓝像素，bayerC表示原始bayer影像的红色或蓝色波段,其中C＝R或B；C＝R为原始bayer影像的红色波段，C＝B为原始bayer影像的蓝色波段；imgv(g)表示在imgv中bayer影像红或蓝位置上通过插值得到的绿色像素；步骤3：计算基于色差的梯度影像；根据步骤2得到的水平和垂直的色差影像，求出水平色差梯度影像gdh、垂直色差梯度影像gdv；公式如下：gdh＝abs(filter(dh,[10‑1]))gdv＝abs(filter(dv,[10‑1]′))上式中，abs(*)表示绝对值操作符；步骤4：计算导向权值矩阵；对4组导向进行相似性评价，通过单方向的组合导向丰富多方向的相关性描述，并引入高斯滤波进行局部加权处理；分别求出上方向组合导向{ui}q,v,i＝‑1,0,1对应的权值矩阵upi、左方向组合导向{li}q,v,i＝‑1,0,1对应的权值矩阵lefti、下方向组合导向{di}q,v,i＝‑1,0,1对应的权值矩阵downi、右方向组合导向{ri}q,v,i＝‑1,0,1对应的权值矩阵righti；步骤5：计算导向估计矩阵；利用色差影像求出4组导向对应的估计矩阵，对相关局部区域进行统计处理，分别求出上方向估计矩阵upMati、左方向估计矩阵leftMati、下方向估计矩阵downMati、右方向估计矩阵rightMati；步骤6：绿色波段重建；绿色色差影像imgGd通过下式获得：...

【技术特征摘要】
1.一种基于多导向滤波的快速bayer彩色重建方法，其特征在于：包括以下步骤：步骤1：获取bayer图像后，对该图像进行导向组初始化；在图像中每个绿色像素缺失的位置进行导向组设置，将上、下、左、右、左上、右上、左下及右下8个导向划分为上、下、左、右4组导向，每组包括3个导向，导向组可表示为：{ui,li,di,ri}(q,v)，其中，q、v分别代表像素位置的行、列，i＝-1,0,1，ui代表上方向导向组，li代表左方向导向组，di代表下方向导向组，ri代表右方向导向组；步骤2：计算色差影像；水平和垂直影像的滤波hf、vf设为：hf＝[-1/41/21/21/2-1/4]vf＝(hf)′其中，(*)′表示矩阵的转置操作符，水平影像imgh和垂直影像imgv表示为：imgh＝filter(bayer1,hf)imgv＝filter(bayer1,vf)上式中，filter(*)表示影像卷积滤波操作符，利用快速傅立叶变换FFT算法将空间域中所有像素位置循环遍历计算转换到频率域的单次计算，bayer1表示原始bayer影像；水平色差影像dh通过下式得到：dh(g)＝bayerG-imgh(m,b)dh(m,b)＝imgh(g)-bayerCdh＝dh(g)+dh(m,b)其中，dh(g)表示dh中绿色位置的像素值；dh(m,b)表示dh中红色或蓝色位置的像素值；bayerG表示原始bayer影像的绿色波段；imgh(m,b)表示在imgh中bayer绿色位置上通过插值得到的红或蓝像素，bayerC表示原始bayer影像的红色或蓝色波段,其中C＝R或B；C＝R为原始bayer影像的红色波段，C＝B为原始bayer影像的蓝色波段；imgh(g)表示在bayer图像中红或蓝位置上通过插值得到的绿色像素；垂直色差影像dv通过下式得到：dv(g)＝bayerG-imgv(m,b)dv(m,b)＝imgv(g)-bayerCdv＝dv(g)+dv(m,b)其中，dv(g)表示dv中绿色位置的像素值；dv(m,b)表示dv中红色或蓝色位置的像素值；bayerG表示原始bayer影像的绿色波段；imgv(m,b)表示在imgv中bayer影像绿位置上通过插值得到的红或蓝像素，bayerC表示原始bayer影像的红色或蓝色波段,其中C＝R或B；C＝R为原始bayer影像的红色波段，C＝B为原始bayer影像的蓝色波段；imgv(g)表示在imgv中bayer影像红或蓝位置上通过插值得到的绿色像素；步骤3：计算基于色差的梯度影像；根据步骤2得到的水平和垂直的色差影像，求出水平色差梯度影像gdh、垂直色差梯度影像gdv；公式如下：gdh＝abs(filter(dh,[10-1]))gdv＝abs(filter(dv,[10-1]′))上式中，abs(*)表示绝对值操作符；步骤4：计算导向权值矩阵；对4组导向进行相似性评价，通过单方向的组合导向丰富多方向的相关性描述，并引入高斯滤波进行局部加权处理；分别求出上方向组合导向{ui}q,v,i＝-1,0,1对应的权值矩阵upi、左方向组合导向{li}q,v,i＝-1,0,1对应的权值矩阵lefti、下方向组合导向{di}q,v,i＝-1,0,1对应的权值矩阵downi、右方向组合导向{ri}q,v,i＝-1,0,1对应的权值矩阵righti；步骤5：计算导向估计矩阵；利用色差影像求出4组导向对应的估计矩阵，对相关局部区域进行统计处理，分别求出上方向估计矩阵upMati、左方向估计矩阵leftMati、下方向估计矩阵downMati、右方向估计矩阵rightMati；步骤6：绿色波段重建；绿色色差影像imgGd通过下式获得：通过绿色色差影像imgGd求得绿色波段imgG，公式如下：imgG＝imgGd+bayer1步骤7：基于色差的线性滤波红波段和蓝波段重建...

【专利技术属性】
技术研发人员：徐爱功，吴佳奇，车莉娜，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁,21