摘要：目前，大部分彩色去马赛克（Color DeMosaicking ，CDM ）算法仅利用了局部的空间和光谱相关性，容易导致CDM复原图像边缘模糊以及细小结构丢失。当图像中出现周期性细小结构时，这些局部方法容易产生诸如锯齿、栅格等失真现象。针对这些问题，我们将字典学习和稀疏编码统一到一个变分框架中，提出了非局部自适应稀疏表示模型。通过非局部相似块聚类自适应地在线学习字典。利用局部和非局部的冗余信息对稀疏编码进行约束，强制稀疏编码靠近其非局部均值以减少编码误差。为了有效抑制服从重尾分布的CDM误差，设计了基于l1范数的数据项。最后，联合交替最小化方法和算子分裂技巧对模型进行有效求解。实验结果验证了本文模型与数值算法的有效性。

关键词：彩色去马赛克 正则化 稀疏表示 非局部相似性 

单位：广西科技大学理学院; 广西柳州545006; 南京理工大学计算机科学与工程学院; 江苏南京210094