基于改进引导滤波器的多光谱去马赛克方法

为了更好地保留多光谱去马赛克图像中的高频信息，本文提出了一种基于改进引导滤波器的多光谱图像去马赛克方法。首先，基于自回归模型对相邻像素点间的强相关性进行建模，在每个像素处渐进估计其模型参数，通过最小化局部窗口内的估计误差，得到最优估计值来插值采样密集波段G，并生成高质量的引导图像；然后，引入加窗固有变分系数到惩罚因子中，得到具有边缘感知能力的加权引导滤波器并重建其余稀疏采样波段。最后，使用CAVE数据集和TokyoTech数据集进行仿真。实验结果表明：相较于主流的5波段多光谱图像去马赛克方法，本方法重建图像的峰值信噪比和结构相似度在CAVE数据集和TokyoTech数据集上分别提高了3.40%,2.02%,1.34%,0.30%和6.11%,5.95%,2.28%,1.42%，且更好地保留了原始图像的局部结构和颜色信息，减少了边缘伪影和噪声现象的出现。