一种快照式高光谱图像去马赛克方法技术

本发明专利技术公开了一种快照式高光谱图像去马赛克方法，包括对原始马赛克图像进行光谱通道分离预处理；运用相关性加权插值算法对每个光谱通道进行独立插值，得到初始重构高光谱图像；对初始重构高光谱图像进行分块预处理；利用低秩性图像优化算法对子图像块进行降秩优化处理；将优化后的每个子图像块重构组合，得到最终去马赛克高光谱图像。本方法对图像边缘部分和微小细节的保存效果良好，是一种准确、高效的高光谱图像去马赛克技术。利用低秩性图像优化算法可以有效降低初始插值过程引入的噪声，进一步提高去马赛克后高光谱图像信噪比。该方法具有显著优势，能够获得信噪比较高的重构高光谱图像，对图像边缘部分和微小细节的保存效果良好。

A method of removing mosaic of snapshot hyperspectral image

The invention discloses a snapshot type hyperspectral image de mosaic method, which includes spectral channel separation preprocessing for the original mosaic image; independent interpolation for each spectral channel by using correlation weighting interpolation algorithm to obtain the initial reconstructed hyperspectral image; block preprocessing for the initial reconstructed hyperspectral image; sub image block by using low rank image optimization algorithm The optimized sub image blocks are reconstructed and combined to get the final de mosaic hyperspectral image. This method is an accurate and efficient way to remove the mosaic of hyperspectral image. The low rank image optimization algorithm can effectively reduce the noise introduced in the initial interpolation process and further improve the signal-to-noise ratio of the hyperspectral image after mosaic removal. This method has significant advantages. It can obtain the reconstructed hyperspectral image with high signal-to-noise ratio.

【技术实现步骤摘要】
一种快照式高光谱图像去马赛克方法
本专利技术涉及图像处理领域，尤其涉及一种快照式高光谱图像去马赛克方法。
技术介绍
高光谱图像不仅能够获取场景的空间信息，同时也获取其光谱信息，具有广泛的应用价值。目前大多数高光谱成像系统采用多个独立的图像传感器分别获取不同波段的光谱通道图像，因此存在成本高、体积大、拍照时间长以及图像配准等问题。通过在高光谱成像系统CCD(ChargeCoupledDevice)或CMOS(ComplementaryMetalOxideSemiconductor)传感器表面覆盖一层光谱滤光阵列(SpectralFilterArray,SFA)一次成像即可获取高光谱图像。这种快照式高光谱成像系统获取的图像，在每个像素位置只能采集某一光谱波段信息，得到的是一维马赛克图像。为了得到完整的三维高光谱图像，需要对马赛克图像进行插值处理，恢复每个像素位置缺失的光谱信息，这一过程被称为“去马赛克”(Demosaicking)。RGB图像去马赛克方法的研究已经比较成熟，很多基于拜尔滤光阵列的去马赛克算法被提出。对于高光谱图像去马赛克方法的研究还比较少，而且RGB图像的去马赛克方法不能直接应用于高光谱图像去马赛克。高光谱图像光谱通道数更多导致每个光谱波段严重欠采样，而且没有标准光谱滤光阵列排列模式，不同光谱滤光阵列模式也会影响图像去马赛克的实现过程。因此，高光谱图像去马赛克难度更大、复杂度更高。MiaoL.等人在“BinaryTreeBasedGenericDemosaickingAlgorithmforMultispectralFilterArrays”(IEEETransactionsonImageProcessing.2006.15(11):3550-3558)文章中提出基于二进制树的多光谱滤光阵列(multi-spectralfilterarray,MSFA)模式和和基于边缘检测的多光谱图像去马赛克算法。H.K.Aggarwal等人在“CompressiveSensingMulti-SpectralDemosaicingfromSingleSensorArchitecture”(SignalandInformationProcessing(ChinaSIP),2014IEEEChinaSummit&InternationalConference[S.1.]:IEEE,2014:334-338)文章中提出两种模式的MSFA，并将压缩感知理论引入多光谱图像去马赛克算法研究中。CongcongWang等人在“ALinearInterpolationAlgorithmforSpectralFilterArrayDemosaicking”(InternationalConferenceonImageandSignalProcessing.SpringerInternationalPublishing,2014.)文章中提出了一种基于残差的线性插值的算法。专利技术人在实现本专利技术的过程中，发现现有技术中至少存在以下缺点和不足：上述算法计算复杂度高，对于通道数较多的滤光阵列去马赛克图像边缘和文理部分锯齿效应较明显。
技术实现思路
本专利技术提供了一种快照式高光谱图像去马赛克方法，本专利技术利用低秩性优化算法对初始去马赛克图像进行降秩优化处理，得到最终去马赛克的高光谱图像，详见下文描述：一种快照式高光谱图像去马赛克方法，所述方法包括以下步骤：根据目标像素点与相邻像素点的欧式距离，计算相应的权值；根据相邻像素位置的权值不同，进行相关性加权插值，得到目标像素点的像素值；将插值后的初始去马赛克高光谱图像分成若干三维图像块，搜索与待处理三维图像块相似的图像块，并组合成新的具有低秩性的立方体；利用低秩优化对立方体进行奇异值处理，提取优化后的子图像块，将每个子图像块重构组合，得到最终去马赛克高光谱图像。其中，所述根据目标像素点与相邻像素点的欧式距离，计算相应的权值具体为：其中，α为调节参数，同理可计算出ω2、ω3和ω4，且满足进一步地，所述搜索与待处理三维图像块相似的图像块，并组合成新的具有低秩性的立方体与待处理三维图像块相似的图像块，并组合成新的具有低秩性的立方体具体为：根据图像相似性，在全域范围内搜寻与待处理子像素块X最相似的n个图像块Yi，使得Yi与待处理图像块X的差异最小，即：将待处理子像素块X和其n个相似图像块Yi组成新的数据立方体B。进一步地，所述利用低秩优化对立方体进行奇异值处理具体为：[U,S,V]＝svd(B)对数据立方体B进行奇异值分解，提取的奇异值S的个数与高光谱图像通道数相同Si；即：对S中的每一个奇异值进行优化处理得到S′，用S′替换S得到重构矩阵B′，即：B′＝U*S′*V得到低秩优化后的数据立方体B′，从中提取优化后的目标图像块X，将每个优化后的三维图像块重构组合，得到最终去马赛克高光谱图像。本专利技术提供的技术方案的有益效果是：1、本方法不仅可以有效提高高光谱图像去马赛克峰值信噪比(PSNR)，对图像细节和纹理保存效果良好；2、本方法不需要考虑滤光阵列的排列模式和通道数，是一种准确、高效的高光谱图像去马赛克技术，在基于滤光阵列的快照式高光谱成像领域具有广阔的应用前景；3、本专利技术的高光谱图像去马赛克技术通道数更多(以16通道和25通道为例进行验证)，无需考虑光谱滤光阵列的排列模式，在相关性加权插值估算中加入低秩性图像优化算法能够有效减小插值误差，准确估计插值结果。附图说明图1是本专利技术提供的一种快照式高光谱图像去马赛克方法的流程图；图2是两种高光谱滤光阵列的示意图；(a)为16通道滤光阵列，数字1-16表示16种不同波长通道，每个通道只允许该波长的光通过；(b)为16通道滤光阵列通道1平面；(c)为25通道滤光阵列，数字1-25表示25种不同波长通道。图3是本专利技术所用的高光谱图像。其中，(a)为伪彩色图像；(b)为16通道高光谱图像第16通道(650nm波段)原始图像；(c)为模拟图2(a)16通道滤光阵列对16通道高光谱图像采样得到的第16通道(650nm波段)马赛克图像；(d)为本专利技术提供的方法对16通道高光谱图像去马赛克得到的去马赛克图像第16通道(650nm波段)图像。图4是本专利技术所用的另一高光谱图像。其中，(a)为伪彩色图像；(b)为25通道高光谱图像第25通道(680nm波段)原始图像；(c)为模拟图2(c)25通道滤光阵列对25通道高光谱图像采样得到的第25通道(680nm波段)马赛克图像；(d)为本专利技术提供的方法对25通道高光谱图像去马赛克得到的去马赛克图像第25通道(680nm波段)图像。图3和图4的高光谱图像取自CAVE高光谱图像数据库，该数据库的高光谱图像由31个波段组成，各波段图像像素大小为512piexl×512piexl，波长本文档来自技高网...

【技术保护点】
1.一种快照式高光谱图像去马赛克方法，其特征在于，所述方法包括以下步骤：/n根据目标像素点与相邻像素点的欧式距离，计算相应的权值；根据相邻像素位置的权值不同，进行相关性加权插值，得到目标像素点的像素值；/n将插值后的初始去马赛克高光谱图像分成若干三维图像块，搜索与待处理三维图像块相似的图像块，并组合成新的具有低秩性的立方体；/n利用低秩优化对立方体进行奇异值处理，提取优化后的子图像块，将每个子图像块重构组合，得到最终去马赛克高光谱图像。/n

【技术特征摘要】
1.一种快照式高光谱图像去马赛克方法，其特征在于，所述方法包括以下步骤：
根据目标像素点与相邻像素点的欧式距离，计算相应的权值；根据相邻像素位置的权值不同，进行相关性加权插值，得到目标像素点的像素值；
将插值后的初始去马赛克高光谱图像分成若干三维图像块，搜索与待处理三维图像块相似的图像块，并组合成新的具有低秩性的立方体；
利用低秩优化对立方体进行奇异值处理，提取优化后的子图像块，将每个子图像块重构组合，得到最终去马赛克高光谱图像。


2.根据权利要求1所述的一种快照式高光谱图像去马赛克方法，其特征在于，所述根据目标像素点与相邻像素点的欧式距离，计算相应的权值具体为：



其中，α为调节参数，同理可计算出ω2、ω3和ω4，且满足


3.根据权利要求1所述的一种快照式高光谱图像去马赛克方法，其特征在于，所述搜索与待处理三维图像块相似的图像块，并组合成新的...

【专利技术属性】
技术研发人员：李奇峰，吕海岳，马翔云，王慧捷，孙雪晴，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12