【技术实现步骤摘要】
【国外来华专利技术】用于使用深度全色图像引导残余内插对多光谱图像去马赛克的系统和方法
[0001]本公开总体上涉及用于图像处理的系统和方法。更具体地,本公开涉及用于对多光谱图像去马赛克的系统和方法。
技术介绍
[0002]基于多光谱滤波器阵列(MSFA)的快照多光谱成像由于其尺寸和速度近来得到了普及。添加的光谱信息已使得其在广泛的应用领域(例如遥感和医学成像)中被使用。为了重建全分辨率多光谱图像,必须基于来自相邻像素的原始传感器测量来估计每个像素处的所有缺失光谱信息。这种恢复过程被称为去马赛克。
[0003]去马赛克是减少空间和频谱域中的伪影的最关键和最具挑战性的步骤之一。已经提出了用于MSFA相机的各种去马赛克方法,以不断地改进去马赛克的图像的质量。总是期望能够最小化在去马赛克的图像和原始高分辨率图像之间的误差。
[0004]因此,需要一种用于对多光谱图像进行去马赛克以提高性能的系统和方法。
技术实现思路
[0005]在第一方面,本公开本公开提供了一种用于对来自多光谱滤波器阵列(MSFA)传感器的具有多个子频带的多光谱图像进行去马赛克的计算机实施的方法,该方法包括:使用深度神经网络和多光谱图像重构多光谱图像的全分辨率深度全色图像(DPI);对于多光谱图像的每个子频带,基于所重构的DPI执行至少一个引导残余内插来获得去马赛克的子频带图像;以及形成包括去马赛克的子频带图像的去马赛克的多光谱图像。
[0006]在第一方面,本公开本公开提供了一种计算机实施的方法,用于使用一个或多个处理器来对由多光谱滤波 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种计算机实施的方法,用于对来自多光谱滤波器阵列(MSFA)传感器的具有多个子频带的多光谱图像进行去马赛克,所述方法包括:使用深度神经网络和所述多光谱图像重构所述多光谱图像的全分辨率深度全色图像(DPI);对于所述多光谱图像的每个子频带,基于所重构的DPI执行至少一程引导残余内插来获得去马赛克的子频带图像;以及形成包括所述去马赛克的子频带图像的去马赛克的多光谱图像。2.根据权利要求1所述的计算机实施的方法,其中,对于所述多光谱图像的每个子频带,基于所重构的DPI执行至少一程引导残余内插以获得所述去马赛克的子频带图像的步骤包括:相对于所述子频带对所述DPI进行二次采样以获得二次采样的DPI;从与所述子频带对应的子频带图像与所述二次采样的DPI的差值中获得二次采样的残余图像;使用所述DPI作为所述二次采样的残余图像上的第一引导内插中的引导图像,以获得去马赛克的残余图像;以及将所述去马赛克的残余图像与所述DPI相加,以获得第一程去马赛克的子频带图像。3.根据权利要求2所述的计算机实施的方法,其中,对于所述MSFA图像的每个子频带,基于所重构的DPI执行至少一程引导残余内插以获得所述去马赛克的子频带图像的步骤还包括以下步骤:相对于所述子频带对所述第一程去马赛克的子频带图像进行二次采样,以获得第二程二次采样图像;从子频带图像与所述第二程二次采样图像的差值中获得第二程二次采样的残余图像;使用所述第一程去马赛克的子频带图像作为所述第二程二次采样的残余图像上的第二引导内插中的引导图像,以获得第二程去马赛克的残余图像;以及将所述第二程残余图像与所述第一程去马赛克的子频带图像相加,以获得第二程去马赛克的子频带图像。4.根据权利要求1所述的计算机实施的方法,其中,所述深度神经网络是卷积神经网络(CNN),所述CNN包括:投影层,所述投影层将所述多光谱图像变换到多个通道;一个或多个中间块,所述一个或多个中间块基于所述多个通道生成中间输出,每个中间块具有两个层,每个层包括卷积和整流线性单元(Relu)滤波器以及每个中间块的输入和输出之间的跳跃连接;最终卷积层,所述最终卷积层将所述中间输出投影到2D残余图像;以及裁剪模块,所述裁剪模块将通过从所述多光谱图像中减除所述2D残余图像而获得的残余减除图像裁剪到所述DPI的有效像素值范围。5.根据权利要求4所述的计算机实施的方法,其中,对所述CNN使用训练数据集进行预训练,以最小化所重构的DPI与从地面真值多光谱图像的所有频带平均的参考全色图像之间的损耗。6.根据权利要求5所述的计算机实施的方法,其中,在所述预训练期间,在计算所述损
耗之前将锐化滤波器应用于所重构的DPI和所述参考全色图像两者。7.根据权利要求4所述的计算机实施的方法,其中,在所述第一块中使用填充方案以用于每一侧上的对第一MSFA图案的有限滚动移位。8.根据权利要求3所述的计算机实施的方法,其中,所述第一引导内插和所述第二引导内插包括以下步骤:对于m和n为正整数的m
×
n的MSFA图案,在所述MSFA图案中使用在对应方向上分别具有m和n滑动步长的大小为(m+1)
×
(n+1)的滑动窗口,所述MSFA图案对应于所述第一引导内插中的所述二次采样的残余图像或所述第二引导内插中的所述第二程二次采样的残余图像;对于所述滑动窗口的每个滑动步长,仅利用来自每个子频带中的稀疏网格的像素来估计系数;对于所述稀疏网格中的每个像素,使用所有滑动步长的估计系数的平均值来获得线性内插系数;使用双线性内插从所述稀疏网格中获得所述多光谱图像的所述子频带的全分辨率系数;以及从使用所重构的DPI作为引导图像的线性变换和在所述第一引导内插中所获得的全分辨率系数获得所述子频带的全分辨率图像,或者从使用所述第一程去马赛克的子频带图像作为引导图像的线性变换以及在所述第二引导内插中所获得的全分辨率系数获得所述子频带的全分辨率图像,所述全分辨率图像是在所述第一引导内插中的所述去马赛克的残余图像,或者在所述第二引导内插中的所述第二程去马赛克的残余图像。9.一种计算机实施的方法,用于使用一个或多个处理器来对由多光谱滤波器阵列(MSFA)传感器捕获的多光谱图像中的子频带图像进行去马赛克,以导致包括以下的步骤被执行:使用深度神经网络和所述多光谱图像重构所述多光谱图像的全分辨率深度全色图像(DPI);相对于所述子频带对所述DPI进行二次采样以获得二次采样的DPI;从所述子频带图像与所述二次采样的DPI的差值中获得二次采样的残余图像;使用所述DPI作为所述二次采样的残余图像上的引导内插中的引导图像,以获得去马赛克的残余图像;以及将所述去马赛克的残余图像与所述DPI相加,以获得第一程去马赛克的子频带图像。10.根据权利要求9所述的计算机实施的方法,还包括:相对于所述子频带对所述第一程去马赛克的子频带图像进行二次采样,以获得第二程二次采样图像;从子频带图像与所述第二程二次采样图像的差值中获得第二程二次采样的残余图像;使用所述第一程去马赛克的子频带图像作为所述第二程二次采样的残余图像上的第二引导内插中的引导图像,以获得第二程去马赛克的残余图像;以及将所述第二程残余图像与所述第一程去马赛克的子频带图像相加,以获得第二程去马赛克的子频带图像。11.根据权利要求10所述的计算机实施的方法,其中,所述引导内插和所述第二引导内插包括以下步骤:
对于m和n为正整数的m
×
n的MSFA图案,在所述MSFA图案中使用在对应方向分别具有m和n滑动步长的大小为(m+1)
×
(n+1)的滑动窗口,所述MSFA图案对应于所述引导内插中的所述二次采样的残余图像或所述第二引导内插中的所述第二程二次采样的残余图像;对于所述滑动窗口的每个滑动步长,仅使用来自每个子频带中的稀疏网格的像素来估计系数;对于所述稀疏网格中的每个像素,使用所有滑动步长的估计系数的平均值获得线性内插系...
【专利技术属性】
技术研发人员:潘志宏,李宝普,包英泽,郑旭君,
申请(专利权)人:百度美国有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。