專利名稱：基于支持向量機(jī)的彩色濾波陣列插值方法
技術(shù)領(lǐng)域：
本發(fā)明涉及彩色濾波陣列插值領(lǐng)域，尤其涉及一種基于支持向量機(jī)的彩色濾波陣
列插值方法。
背景技術(shù)：
隨著視頻技術(shù)的飛速發(fā)展與數(shù)碼電子產(chǎn)品的日益普及，高質(zhì)量圖像及其序列的采 集與處理已成為一個非?；钴S的應(yīng)用領(lǐng)域。要獲得彩色圖像需要三個CCD或者CMOS傳感 器分別在每個像素位置獲得紅(R)、綠(G)、藍(lán)(B)三種顏色分量。而傳感器的價格比較昂 貴，為了減小電子產(chǎn)品的體積，降低成本和復(fù)雜性，通常在數(shù)碼相機(jī)等電子產(chǎn)品中僅使用單 傳感器并在其表面覆蓋彩色濾波陣列來同時獲得三種基本顏色。因而傳感器陣列的每個像 素位置只能采集到一個顏色分量，為了得到一幅全彩色圖像，每個像素點(diǎn)必須通過其相鄰 的像素來估計(jì)出該像素點(diǎn)的另外兩種缺失的顏色分量，這個過程稱為彩色濾波陣列插值。
從數(shù)碼相機(jī)誕生到現(xiàn)在，彩色濾波陣列插值算法一直是研究的重點(diǎn)。其中鄰近像 素插值、雙線性插值、三次插值等是比較簡單的插值方法。該類方法在圖像的平滑區(qū)域能夠 取得較好的效果，但是在邊緣區(qū)域會出現(xiàn)模糊，還會形成鋸齒狀的失真[1]。為此先后出現(xiàn) 了許多改進(jìn)的彩色濾波陣列插值算法，例如應(yīng)用色差恒定原理及中值濾波的方法[2]，利用 光譜模型、邊緣感知處理的方法[3]，應(yīng)用信號相關(guān)性的方法[4]，利用空間和色彩相關(guān)性的方 法[5]。盡管這些方法的彩色濾波陣列插值效果在邊緣保持等方面有所改善，但是這些方法 仍存在著在插值后的圖像中出現(xiàn)偽彩色等缺陷，無法滿足獲得高質(zhì)量圖像的要求。

發(fā)明內(nèi)容
針對目前已有的彩色濾波陣列插值方法存在結(jié)果圖像出現(xiàn)偽彩色，無法滿足實(shí)際 產(chǎn)品獲得高質(zhì)量結(jié)果圖像的不足，本發(fā)明提出一種基于支持向量機(jī)的彩色濾波陣列插值方 法，該方法根據(jù)色差恒定原理，利用R， G， B三彩色分量間的色彩相關(guān)性構(gòu)造色差平面，采用 支持向量機(jī)回歸的插值方法，克服了已有彩色濾波陣列插值產(chǎn)生偽彩色的缺點(diǎn)，從而得到 高質(zhì)量的插值結(jié)果圖像。 —般圖像都有很強(qiáng)的空間相關(guān)性和色彩相關(guān)性?？臻g相關(guān)性指圖像中相鄰像素間 灰度級的相關(guān)程度，即圖像的局部同類區(qū)域的鄰近像素具有相似的灰度值。色彩相關(guān)性指 R，G，B三個彩色分量之間的相關(guān)性，在一個平滑的小區(qū)域內(nèi)，由于圖像的色彩亮度是均勻過 度的，不會有很大的變化，因此可以認(rèn)為在圖像相鄰的局部區(qū)域內(nèi)兩種通道的強(qiáng)度差是恒 定值，這也稱為色差恒定原理。為了獲得高質(zhì)量的插值圖像，本發(fā)明考慮充分利用圖像的空 間相關(guān)性和色彩相關(guān)性設(shè)計(jì)彩色濾波陣列插值方法。 支持向量機(jī)(Support Vector Machine, SVM)是基于V即nik等人提出的可應(yīng)用于 小樣本的統(tǒng)計(jì)學(xué)習(xí)理論的一種機(jī)器學(xué)習(xí)方法。由于引入了結(jié)構(gòu)風(fēng)險最小化的思想，有很好 的學(xué)習(xí)能力，并解決了如維數(shù)災(zāi)難，小樣本，非線性，局部極值等問題[6]。和神經(jīng)網(wǎng)絡(luò)相比， 支持向量機(jī)克服了神經(jīng)網(wǎng)絡(luò)容易陷入局部最小解的缺點(diǎn)，最終將回歸問題歸結(jié)為一個凸二
3次優(yōu)化問題。基于支持向量機(jī)方法的回歸估計(jì)以可控制的精度逼近任一函數(shù)，同時具有全 局最優(yōu)、泛化能力強(qiáng)等性能，應(yīng)用非常廣泛。專利[7]給出了一種有效的支持向量機(jī)灰度圖 像插值方法。本發(fā)明則把支持向量機(jī)插值方法應(yīng)用到彩色濾波陣列插值中。
本發(fā)明的主要思想如下首先定義色差平面，然后在色差平面上根據(jù)空間相關(guān)性 選擇合適的臨近點(diǎn)輸入模式訓(xùn)練支持向量回歸機(jī)，用訓(xùn)練的支持向量回歸機(jī)插值估計(jì)未知 點(diǎn)的色差值，最后應(yīng)用色差公式計(jì)算得到每個像素點(diǎn)丟失的兩種顏色分量。鄰近點(diǎn)模式的 選擇以空間相關(guān)性為基礎(chǔ)，其選擇的原則為用于訓(xùn)練的鄰近點(diǎn)模式要與預(yù)測對應(yīng)的鄰近點(diǎn) 模式相似。預(yù)測對應(yīng)的鄰近點(diǎn)模式取決于待插值點(diǎn)周圍局部區(qū)域的同色像素的位置。
下面對本發(fā)明的具體步驟進(jìn)行詳細(xì)說明。 獲取的圖像按照Bayer模式[1—5]得到各像素點(diǎn)R， G， B的彩色分量值，即奇數(shù)行奇 數(shù)列位置和偶數(shù)行偶數(shù)列位置獲得G分量值，奇數(shù)行偶數(shù)列位置獲得R分量值，偶數(shù)行奇數(shù) 列位置獲得B分量值，如附圖1中所示。設(shè)圖像有M行，n列，分別用Ri,j， Gi,j， Bi,j表示第 i行j列像素處R，G和B的分量值，其中1《i《M， 1《j《n。為了方便對于圖像邊緣區(qū) 域的處理，采用對稱復(fù)制的方法進(jìn)行圖像擴(kuò)展，即在圖像的左右兩側(cè)各增加1列，分別通過 復(fù)制第2列和倒數(shù)第2列得到，然后在圖像的上下兩側(cè)各增加1行，分別通過復(fù)制第2行和 倒數(shù)第2行得到。 (1)第一步構(gòu)造色差平面Kr。
首先，定義色差平面 Kr = G-R (1) 在已知Gi,j處計(jì)算Kri,j如下 Kri,j = Gi,j-(Ri,j—一Ri,j+》/2i為奇數(shù) (2)Kri,j = Gi,j-(R卜w+Rw,j)/2i為偶數(shù) (3) 這樣就可以得到所有已知G分量位置處對應(yīng)的Kr值。 然后，在該Kr平面采用支持向量回歸機(jī)進(jìn)行訓(xùn)練，對于所有已知的Kri,j，選擇符 合以下條件的樣本①當(dāng)Kr卜2, j， Kri+2,」，Ki^,」—2， Ki^, j+2存在時，選擇輸入為Ka,」—2， Kr卜2,」， Kri, j+2， Kri+2, j，輸出為Ki^,」的樣本；②當(dāng)Kr卜」—"Kr卜j+1， Kri+1,j—" Kri+1, j+1存在時，選擇輸 入為Kivl j—p Kivl j+1， Kri+1, j+1， Kri+1, j—p輸出為Kri,」的樣本。以所有符合條件的樣本組成 樣本集，進(jìn)行支持向量機(jī)訓(xùn)練。訓(xùn)練完成后，就可以應(yīng)用該支持向量機(jī)進(jìn)行回歸估計(jì)了。
最后，應(yīng)用支持向量機(jī)進(jìn)行所有已知Ri, j分量值位置對應(yīng)的Kri, j值的估計(jì)。取 Kri, j—p Kr卜p &^.+1， Kri+1, j+1作為支持向量機(jī)的輸入，應(yīng)用完成訓(xùn)練的支持向量機(jī)進(jìn)行回 歸估計(jì)，輸出就是Kri,j。由于這里的Kri,j—" Kr卜" &^.+1， Kri+1,j+1對應(yīng)R^.的左、上、右、 下位置，都是G分量已知的位置，因此都已經(jīng)計(jì)算得到了。
(2)第二步構(gòu)造色差平面Kb。
首先，定義色差平面 Kb = G-B (4) 在已知Gi,j處計(jì)算Kbi, j如下 Kbi, j = Gi,廠(Bi, j—一Bi, /2i為偶數(shù) (5) Kbi, j = Gi,廠(B卜l j+Bi+1, j) /2i為奇數(shù) (6) 這樣就可以得到所有已知G像素分量值位置處對應(yīng)的Kb值。
然后，在該Kb平面采用支持向量回歸機(jī)進(jìn)行訓(xùn)練，對于所有已知的Kbi, j選擇符 合以下條件的樣本①當(dāng)Kb卜2, j， Kbi+2, j， Kbi, j-2， Kbi, j+2存在時，選擇輸入為Kbi, j-2， Kb卜2, j， Kbi, j+2， Kbi+2, j，輸出為Kbi, j的樣本；②當(dāng)Kb卜l j—p Kb卜l j+1， Kbi+1,j—" Kbi+1, j+1存在時，選擇輸 入為Kb卜l j—p Kb卜l j+1， Kbi+1, j+1， Kbi+1, j—p輸出為Kbi, j的樣本。以所有符合條件的樣本組成 樣本集，進(jìn)行支持向量機(jī)訓(xùn)練。訓(xùn)練完成后，就可以應(yīng)用該支持向量機(jī)進(jìn)行回歸估計(jì)了。
最后，應(yīng)用支持向量機(jī)進(jìn)行所有已知Bi, j分量值位置對應(yīng)的Kbi, j值的估計(jì)。取 Kbw—pKb卜&"Kbi,w，Kbi+Lw作為支持向量機(jī)的輸入，應(yīng)用完成訓(xùn)練的支持向量機(jī)進(jìn)行回 歸估計(jì)，輸出就是Kbi,j。
(3)第三步插值G分量。 對于已知Ri,j分量值的位置，其對應(yīng)的Gi, j通過下面的方法確定<formula>formula see original document page 5</formula>
對于已知By分量值的位置，其對應(yīng)的Gi, j通過下面的方法確定 <formula>formula see original document page 5</formula> 這樣就確定出了全部圖像中的各像素點(diǎn)的G分量值。
(4)第四步插值R分量。 對于已知Gi,j分量值的位置，其Kri, j已經(jīng)在第一步中估計(jì)出來。
對于已知By分量值的位置，其Kfi,j可以通過第一步中訓(xùn)練得到的支持向量機(jī)進(jìn) 行估計(jì)，選擇Bi, j周圍的Kri, j—n Kr卜l j—p K^, j+1， Kri+1, j+1作為輸入，這些都是已知G分量的 位置，因此都已經(jīng)計(jì)算得到，經(jīng)過支持向量機(jī)回歸估計(jì)后就輸出Kri,j。 已知& j分量的位置，或者已知Bi, j分量的位置處對應(yīng)的Ri, j分量通過下面的方
法確定 <formula>formula see original document page 5</formula> (5)第五步插值B分量。
對于已知Gi,j分量的位置，其Kbi,j已經(jīng)在第二步中估計(jì)出來。 對于已知Ri,j分量的位置，其Kbi,j可以通過第二步中訓(xùn)練得到的支持向量機(jī)進(jìn)行 估計(jì)，選擇Ri, j周圍的Kbi, j—n Kb卜l j—p Kbi, j+1， Kbi+1, j+1作為輸入，這些都是已知G分量的位 置，因此都已經(jīng)計(jì)算得到，經(jīng)過支持向量機(jī)回歸估計(jì)后就輸出Kbi,j。 已知Gbi,j分量的位置，或者Ri,j分量的位置處對應(yīng)的By分量通過下面的方法確 定 <formula>formula see original document page 5</formula>
這樣所有像素的R， G， B分量就全部計(jì)算得到了 。 以上為本發(fā)明提出基于支持向量機(jī)的彩色濾波陣列插值方法的具體步驟。本發(fā)明 利用空間相關(guān)性和色彩相關(guān)性，應(yīng)用支持向量機(jī)方法進(jìn)行插值計(jì)算，能夠得到更高質(zhì)量的 結(jié)果圖像。下面結(jié)合附圖，對具體實(shí)施實(shí)例及其有益效果作進(jìn)一步的說明。


圖1按照Bayer模式得到R， G， ， B分量圖像的示意圖 圖2Kr平面支持向量訓(xùn)練的樣本選取示意圖 圖3Kr平面中對」分量值位置對應(yīng)的Ki^,」值的估計(jì)示意圖
圖4測試圖像，各圖像中的選擇框表示進(jìn)行比較的區(qū)域 圖5Lighthouse圖像應(yīng)用不同彩色濾波陣列插值方法的局部區(qū)域結(jié)果比較 圖6Sailboat圖像應(yīng)用不同彩色濾波陣列插值方法的局部區(qū)域結(jié)果比較圖2中 201Kr平面支持向量訓(xùn)練的樣本選取方式一 202Kr平面支持向量訓(xùn)練的樣本選取方式二 圖4中 401圖像Lighthouse 402圖像Sails 403圖像Nest 404圖像Faces 405圖像Window 406圖像Statue 407圖像Bike 408圖像Sailboat 圖5中 501標(biāo)準(zhǔn)圖像 502應(yīng)用雙線性彩色濾波陣列插值方法的結(jié)果圖像 503應(yīng)用參考文獻(xiàn)[2]中彩色濾波陣列插值方法的結(jié)果圖像 504應(yīng)用參考文獻(xiàn)[3]中彩色濾波陣列插值方法的結(jié)果圖像 505應(yīng)用參考文獻(xiàn)[4]中彩色濾波陣列插值方法的結(jié)果圖像 506應(yīng)用參考文獻(xiàn)[5]中彩色濾波陣列插值方法的結(jié)果圖像 507應(yīng)用本發(fā)明彩色濾波陣列插值方法的結(jié)果圖像 圖6中 601標(biāo)準(zhǔn)圖像 602應(yīng)用雙線性彩色濾波陣列插值方法的結(jié)果圖像 603應(yīng)用參考文獻(xiàn)[2]中彩色濾波陣列插值方法的結(jié)果圖像 604應(yīng)用參考文獻(xiàn)[3]中彩色濾波陣列插值方法的結(jié)果圖像 605應(yīng)用參考文獻(xiàn)[4]中彩色濾波陣列插值方法的結(jié)果圖像 606應(yīng)用參考文獻(xiàn)[5]中彩色濾波陣列插值方法的結(jié)果圖像 607應(yīng)用本發(fā)明彩色濾波陣列插值方法的結(jié)果圖像
具體實(shí)施例方式
下面結(jié)合附圖，對基于支持向量機(jī)的彩色濾波陣列插值方法的具體實(shí)施方式
說明 如下 獲取圖像 如附圖1所示，按照Bayer模式獲得各個像素位置僅含有R， G， B中一種分量的圖 像； (1)構(gòu)造色差平面Kr 首先按照公式(2)和(3)構(gòu)造出已知G分量對應(yīng)的Kr。然后利用文獻(xiàn)[8]中的支
6持向量機(jī)回歸機(jī)軟件進(jìn)行訓(xùn)練，采用Y-SVR，核函數(shù)使用徑向基函數(shù)，其余參數(shù)均選擇默認(rèn) 參數(shù)。輸入樣本包括兩類第一類如附圖2中201所示，選擇中心G分量已知的像素，距離 該像素兩個像素距離的左、上、右、下位置的Kr值作為輸入，中心像素的Kr值作為輸出。第 二類如附圖2中202所示，選擇中心G分量已知像素的左上、右上、右下、左下位置的Kr值 作為輸入，中心像素的Kr值作為輸出。所有這兩類樣本共同組成訓(xùn)練樣本集，進(jìn)行支持向 量機(jī)訓(xùn)練。最后，利用完成訓(xùn)練的支持向量機(jī)，對R分量處對應(yīng)的Kr值進(jìn)行估計(jì)，如附圖3 所示，輸入為R分量處左、上、右、下位置的Kr值，輸出就是該R分量處對應(yīng)的Kr值。
(2)構(gòu)造色差平面Kb 和構(gòu)造色差平面Kr的實(shí)施方式類似，按照前述構(gòu)造色差平面Kb的步驟進(jìn)行。
(3)插值G分量 分別按照公式(7)和(8)，計(jì)算得到R分量的位置對應(yīng)的G分量和B分量的位置對
應(yīng)的G分量。 (4)插值R分量 首先，B分量的位置對應(yīng)的Kr采用支持向量機(jī)回歸估計(jì)得到，和附圖3類似，輸入 為B分量像素位置左、上、右、下位置的Kr值，輸出就是該B分量像素位置對應(yīng)的Kr值。然 后利用公式(9)計(jì)算得到G分量和B分量的位置對應(yīng)的R分量值。
(5)插值B分量 首先，R分量的位置對應(yīng)的Kb采用支持向量機(jī)回歸估計(jì)得到，和附圖3類似，輸入 為R分量像素位置左、上、右、下位置的Kb值，輸出就是該R分量處對應(yīng)的Kb值。然后利用 公式(10)計(jì)算得到G分量和R分量的位置對應(yīng)的B分量值。 下面結(jié)合具體實(shí)施方式
對于本發(fā)明的有益效果進(jìn)行說明。為了比較彩色濾波陣列
插值方法的效果，選擇如附圖4所示的在圖像測試文獻(xiàn)中經(jīng)常應(yīng)用的8幅彩色圖片進(jìn)行測
試，這些圖片作為標(biāo)準(zhǔn)圖片，按照Bayer模式提取每個像素位置的B， G或R分量，得到采樣
圖像，然后分別應(yīng)用雙線性插值法、文獻(xiàn)[2]、文獻(xiàn)[3]、文獻(xiàn)[4]、文獻(xiàn)[5]和本發(fā)明的方法
進(jìn)行彩色濾波陣列插值?？紤]到圖像的邊緣和細(xì)節(jié)區(qū)域最能體現(xiàn)彩色濾波陣列插值方法的
能力，因此在附圖4的各圖像中確定出細(xì)節(jié)和邊緣區(qū)域進(jìn)行比較，在圖中用選擇框標(biāo)出。 先對結(jié)果圖像進(jìn)行客觀評價，客觀指標(biāo)采用峰值信噪比(PSNR)。表1中列出了 8
幅圖像的考察區(qū)域分別采用不同的彩色濾波陣列插值方法的峰值信噪比。從表中可以看
出，本發(fā)明方法獲得的峰值信噪比指標(biāo)最高，說明結(jié)果圖像的質(zhì)量優(yōu)于其它方法。 再對結(jié)果圖像進(jìn)行主觀評價，附圖5是Lighthouse圖像應(yīng)用不同彩色濾波陣列插
值方法的局部區(qū)域結(jié)果比較，從圖中可以看出，雙線性插值等方法得到的結(jié)果圖像中的虛
假色非常明顯，柵欄邊緣較模糊，本發(fā)明方法得到的結(jié)果圖像則基本消除了虛假色。附圖6
是Sailboat圖像應(yīng)用不同彩色濾波陣列插值方法的局部區(qū)域結(jié)果比較，從圖中也可以看
出，雙線性插值等方法得到的結(jié)果圖像中的虛假色非常明顯，而本發(fā)明方法得到的結(jié)果圖
像則基本消除了虛假色。 從以上分析和比較可知，經(jīng)過客觀指標(biāo)評價和主觀圖像質(zhì)量結(jié)果比較，本發(fā)明提 出的基于支持向量機(jī)的彩色濾波陣列插值方法優(yōu)于已有方法，可以獲得更好的結(jié)果圖像。
參考文獻(xiàn) [l]R. Rajeev， E. Wesley, L. Griff ， et al. Demosaicking Methods for BayerColor Arrays. Journal of Electronic Imaging,2002，11 (3) :306-315. [2]施勇紅.視頻前端預(yù)處理中去馬賽克技術(shù)研究.西安電子科技大學(xué)碩士論文，
2007. [3] R. Lukac， K. N. Plataniotis. Universal Demosaicking for Imaging Pipelines with an RGBColor Filter Array.Pattern Recognition,2005，38(11): 2208-2212. [4]S. C. Pei， I.K.Tam. Effective Color Interpolation in CCD Color Filter Array Using SignalCorrelation. IEEE Trans, on Circuits and Systems for Video Technology,2003，13(6) :503-513. [5]H. Chang， Y. P. Tan. Effective Use of Spatial and Spectral Correlations for Color FilterArray Demosaicking. IEEE Trans, on Consumer Electronics,2004，50(1) :355-365. [6]張學(xué)工.關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī).自動化學(xué)報.2000,26(1) :32-42.
[7]ZL200610156538. 7，基于支持向量機(jī)的圖像插值算法，2006.
[8] C. _C. Chang， C. _J. Lin， LIBSVM :A Library for Support Vector Machines. 2001. Softwareavailable at http://www. csie. ntu. edu. tw/ cjlin/libsvm.
權(quán)利要求
一種基于支持向量機(jī)的彩色濾波陣列插值方法，其特征在于包括如下步驟(1)第一步，構(gòu)造色差平面Kr在已知Gi，j分量處計(jì)算Kri，j如下Kri，j＝Gi，j-(Ri，j-1+Ri，j+1)/2i為奇數(shù)，Kri，j＝Gi，j-(Ri-1，j+Ri+1，j)/2i為偶數(shù)；然后，在該Kr平面采用支持向量回歸機(jī)進(jìn)行訓(xùn)練，對于所有已知的Kri，j，選擇符合以下條件的樣本組成樣本集①當(dāng)Kri-2，j，Kri+2，j，Kri，j-2，Kri，j+2存在時，選擇輸入為Kri，j-2，Kri-2，j，Kri，j+2，Kri+2，j，輸出為Kri，j的樣本；②當(dāng)Kri-1，j-1，Kri-1，j+1，Kri+1，j-1，Kri+1，j+1存在時，選擇輸入為Kri-1，j-1，Kri-1，j+1，Kri+1，j+1，Kri+1，j-1，輸出為Kri，j的樣本，進(jìn)行支持向量機(jī)訓(xùn)練，應(yīng)用完成訓(xùn)練的支持向量機(jī)進(jìn)行所有已知Ri，j分量位置對應(yīng)的Kri，j值的估計(jì)，取Kri，j-1，Kri-1，j-1，Kri，j+1，Kri+1，j+1作為支持向量機(jī)的輸入，輸出就是Kri，j；(2)第二步，構(gòu)造色差平面Kb在已知Gi，j處計(jì)算Kbi，j如下Kbi，j＝Gi，j-(Bi，j-1+Bi，j+1)/2i為偶數(shù)，Kbi，j＝Gi，j-(Bi-1，j+Bi+1，j)/2i為奇數(shù)；然后，在該Kb平面采用支持向量回歸機(jī)進(jìn)行訓(xùn)練，對于所有已知的Kbi，j，選擇符合以下條件的樣本組成樣本集①當(dāng)Kbi-2，j，Kbi+2，j，Kbi，j-2，Kbi，j+2存在時，選擇輸入為Kbi，j-2，Kbi-2，j，Kbi，j+2，Kbi+2，j，輸出為Kbi，j的樣本；②當(dāng)Kbi-1，j-1，Kbi-1，j+1，Kbi+1，j-1，Kbi+1，j+1存在時，選擇輸入為Kbi-1，j-1，Kbi-1，j+1，Kbi+1，j+1，Kbi+1，j-1，輸出為Kbi，j的樣本，進(jìn)行支持向量機(jī)訓(xùn)練，應(yīng)用完成訓(xùn)練的支持向量機(jī)進(jìn)行所有已知Bi，j分量位置對應(yīng)的Kbi，j值的估計(jì)，取Kbi，j-1，Kbi-1，j-1，Kbi，j+1，Kbi+1，j+1作為支持向量機(jī)的輸入，應(yīng)輸出就是Kbi，j；(3)第三步，插值G分量對于已知Ri，j分量值的位置，其對應(yīng)的Gi，j通過下面的方法確定Gi，j＝Ri，j+Kri，j，對于已知Bi，j分量值的位置，其對應(yīng)的Gi，j通過下面的方法確定Gi，j＝Bi，j+Kbi，j；(4)第四步，插值R分量對于已知Bi，j分量值的位置，其Kri，j通過第一步中訓(xùn)練得到的支持向量機(jī)進(jìn)行估計(jì)，選擇Bi，j周圍的Kri，j-1，Kri-1，j-1，Kri，j+1，Kri+1，j+1作為輸入，經(jīng)過支持向量機(jī)回歸估計(jì)后就輸出Kri，j；已知Gi，j分量的位置，或者已知Bi，j分量的位置處對應(yīng)的Ri，j分量通過下面的方法確定Ri，j＝Gi，j-Kri，j；(5)第五步，插值B分量對于已知Ri，j分量的位置，其Kbi，j通過第二步中訓(xùn)練得到的支持向量機(jī)進(jìn)行估計(jì)，選擇Ri，j周圍的Kbi，j-1，Kbi-1，j-1，Kbi，j+1，Kbi+1，j+1作為輸入，經(jīng)過支持向量機(jī)回歸估計(jì)后就輸出Kbi，j；已知Gi，j分量的位置，或者Ri，j分量的位置處對應(yīng)的Bi，j分量通過下面的方法確定Bi，j＝Gi，j-Kbi，j。
全文摘要
本發(fā)明提供一種基于支持向量機(jī)的彩色濾波陣列插值方法，其主要思想是首先定義色差平面，然后在色差平面上根據(jù)空間相關(guān)性選擇合適的臨近點(diǎn)輸入模式訓(xùn)練支持向量回歸機(jī)，用訓(xùn)練的支持向量回歸機(jī)插值估計(jì)未知點(diǎn)的色差值，最后應(yīng)用色差公式計(jì)算得到每個像素點(diǎn)丟失的兩種顏色分量。本發(fā)明利用圖像的空間相關(guān)性和色彩相關(guān)性原理，應(yīng)用支持向量回歸機(jī)方法進(jìn)行彩色濾波陣列插值，獲得客觀指標(biāo)和主觀評價好的圖像，克服了通常的彩色濾波陣列插值方法產(chǎn)生邊緣模糊和產(chǎn)生虛假色的缺點(diǎn)，得到高質(zhì)量的結(jié)果圖像。本發(fā)明可以廣泛應(yīng)用于彩色圖像獲取設(shè)備或者裝置中。
文檔編號H04N9/04GK101710998SQ200910230340
公開日2010年5月19日 申請日期2009年11月5日 優(yōu)先權(quán)日2009年11月5日
發(fā)明者馮乃章, 孫明健, 賈曉芬, 馬家辰, 馬立勇 申請人:哈爾濱工業(yè)大學(xué)(威海)