【技术实现步骤摘要】
一种基于注意模块的Bayer图像恢复方法
[0001]本专利技术属于图像处理与深度学习
,涉及一种基于注意模块的Bayer图像恢复方法。
技术介绍
[0002]彩色图像一般是由红(R)绿(G)蓝(B)三种颜色成分表示出来的,每种颜色成分称为一个颜色通道。现如今RGB数码相机记录彩色图像最普遍,而大部分的数码相机采用单个传感器的成像结构。单传感器彩色数码相机中的图像传感器通常是感光耦合元件或互补金属氧化物半导体芯片,它们只能感受光的强度而非色彩,因此需要在传感器前面放置滤光片,只允许某个波长的光通过,曝光成像时,传感器的每个像素位置只采集一种颜色,这种直接采样获取的图像称为Bayer图像,而重建出每个像素位置上没有直接采样到的其他两种颜色成分信息的过程被称为图像去马赛克。
[0003]当前RGB数码相机中,最常见的彩色滤光片阵列是Bayer滤光片阵列,其成像区域是由2
×
2的重复阵列组成,每组2
×
2阵列包含2个绿(G)、1个红(R)、1个蓝(B)像素。这样就会造成2/3的颜色信息丢失,而采样到的1/3的颜色信息大部分被噪声所污染,从而影响重建图像的质量。图像去马赛克处于图像处理流程中的第一步,应为后续一系列的图像处理任务打好基础,因此通过重建得到高质量的图像具有重要意义。
[0004]当前图像去马赛克的方法可大致分为三类:基于插值的方法、基于稀疏表示的方法和基于深度学习的方法。基于插值的方法中,有的算法忽略了通道间的相关性,而有的算法即使考虑到通道间的相关性, ...
【技术保护点】
【技术特征摘要】
1.一种基于注意模块的Bayer图像恢复方法,其特征在于,按照以下步骤实施:步骤1,构建绿通道恢复网络,该绿通道恢复网络的输入为Bayer图像通道分离出来的绿采样图,输出为重建的绿通道图;步骤2,构建特征引导模块,该特征引导模块的输入为重建的绿通道图和编码
‑
解码器的输出,输出为引导图;步骤3,构建红通道恢复网络,该红通道恢复网络的输入为红采样图和引导图,输出为重建的红通道图;步骤4,构建蓝通道恢复网络,蓝通道恢复网络与红通道恢复网络的结构流程相似,区别是,输入为蓝采样图和引导图,输出为重建的蓝通道图;步骤5,将重建得到的红通道图、绿通道图和蓝通道图融合,得到重建的RGB图;步骤6,根据上述的网络模型,计算重建的RGB图与图像对中真实图像之间的平均绝对误差,以最小化L1损失函数为目标,优化该网络模型。2.根据权利要求1所述的基于注意模块的Bayer图像恢复方法,其特征在于:所述的绿通道恢复网络包括卷积操作、注意模块和编码
‑
解码器;绿通道恢复网络的流程结构依次为:绿采样图作为输入
→
第一个卷积层Conv1
→
注意模块
→
第二个卷积层Conv2
→
第三个卷积层Conv3
→
第四个卷积层Conv4
→
第五个卷积层Conv5
→
第六个卷积层Conv6
→
第七个卷积层Conv7
→
第八个卷积层Conv8
→
输出为重建的绿通道图;其中,第一个卷积层Conv1卷积核大小为3
×
3,步长为3,特征映射总数为64个;第二个卷积层Conv2
‑
第七个卷积层Conv7组成编码
‑
解码器,卷积核大小均为3
×
3,步长均为3,特征映射总数均为64个,并且均通过ReLU激活;第二个卷积层Conv2、第三个卷积层Conv3、第四个卷积层Conv4的输出尺寸分别为H
×
W、1/2(H
×
W)、1/4(H
×
W);第五个卷积层Conv5、第六个卷积层Conv6、第七个卷积层Conv7的输出尺寸分别为1/4(H
×
W)、1/2(H
×
W)、H
×
W;第八个卷积层Conv8卷积核大小为1
×
1,步长为1,特征映射总数为1个。3.根据权利要求2所述的基于注意模块的Bayer图像恢复方法,其特征在于:所述的注意模块的流程结构依次为:输入
→
第一卷积层Conv1
→
第二卷积层Conv2
→
全局平均池化操作
→
第三卷积层Conv3
→
第四卷积层Conv4
→
第二卷积层Conv2的输出与第四卷积层Conv4的输出进行按元...
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。