国家自然科学基金青年项目，项目编号：62102034，执行期：2022.01-2024.12，经费：直接费 24万

项目内容简介：

低照度环境下获取高质量彩色图像在诸多领域具有重要的应用需求，其中使用高敏感滤色阵列前景广阔，但是缺乏实用性去马赛克算法是其面临的主要挑战。基于深度神经网络的去马赛克算法取得显著的性能突破。然而，现有的算法通常面向Bayer滤色阵列且主要关注性能提升、严重依赖模拟的训练数据、训练数据存在长尾问题，致使应用于高敏感滤色阵列时性能偏弱，且无法部署在资源受限的彩色成像系统。本项目拟以充分利用高敏感滤色阵列的性质为切入点，围绕紧凑高效的网络结构设计、强泛化性能的图像先验表征、高自适应性的训练数据学习等问题展开研究：探讨资源与滤色阵列联合约束的网络结构设计，研究融合滤色阵列周期性的图像先验表征，实现符合滤色阵列特性的训练数据学习，从而构建面向高敏感滤色阵列的兼具资源受限和高性能的去马赛克算法。项目研究成果将促进高敏感滤色阵列的大规模应用，为低照度彩色成像系统的研制提供理论和技术支撑。