出于经济实用性以及便携化的考虑使得大多数常用的数字摄像装置采用单传感器进行图像采集,这使得获得的图像在每个像素点位置只有红,绿,蓝三基色中的一种颜色通道的像素值。通过算法处理将缺失的像素值重建,从而获得全彩色图像的过程叫做去马赛克(demosaicking)。去马赛克是数码相机的核心技术,对图像的去噪,超分辨率,图像识别等后续操作有重大影响,具有重大的研究意义和商业价值。目前的各中去马赛克对图像边缘重建的效果仍然存在一定的伪彩色,锯齿效应等,且多数是针对无噪声干扰的彩色滤波阵列进行重建的。因此,具有一定抗噪性能的去马赛克算法具有更高的使用价值。本文介绍了彩色图像去马赛克的基本相关理论知识以及经典的去马赛克算法,并针对当前算法存在的一些不足之处提出两种去马赛克的方法。本文主要工作包括:1、提出了提升局部相关性的Bayer模式图像重建算法。该算法利用自然图像之间的局部相关性和引导滤波的特点在重建绿色通道时对改进的块梯度计算结果进行局部一致化校验,并将校验结果经非线性映射为方向权重,从而获得更加准确的权重。将方向权重与方向候选插值进行自适应融合重建出绿色通道,并依据重建的绿色通道对红色和蓝色通道的重建做进一步修正,从而获得更高质量的彩色图像。通过在主观和客观方面的实验对比表明了该方法重建的图像在细节当面具有更加清晰的边缘纹理。2、提出了基于残差网络的重建图像质量与抗噪性提升算法。该算法将插值法重建的错误像素值优化问题等效为去噪问题,利用卷积神经网络在去噪方面的优势对块梯度自适应插值法重建的绿色通道图像中不准确或者错误的像素值进行优化处理。然后将重建的绿色通道图像指导另外两个通道的初步重建,并将重建结果进行进一步优化处理,从而获得质量更高的彩色图像。该算法将卷积神经网络在去噪方面的优势与插值法充分结合,通过最后的数据仿真实验结果表明不仅对插值结果具有优化作用而且在受到噪声干扰的Bayer阵列上去马赛克具有一定的抗噪性。