1.一种基于模糊边界插值的BayerCFA图像恢复方法，其特征在于，按照以下步骤具体实施：步骤1：计算所有图像位置上的图像边缘强度和模糊隶属度；

步骤2：采用模糊边界强度插值恢复所有位置的G通道值，具体过程是：在BayerCFA阵列的mosaic图像中，50％的位置是已知的G采样点，其他50％的位置中R和B各占25％，因此计算出R和B位置上的G通道值，就能够获得所有位置的G通道值，选取BayerCFA阵列中5×5邻域来说明G通道的图像恢复过程，Ri,j为5×5邻域的中心位置，该位置的G通道值计算过程为：其中， 和 代表在(i,j)位置上，基于模糊边界强度插值的G和R预测值；然后利用 和 根据RGB图像中不同通道间的相关性再来计算(i,j)位置上G通道值计算式如下：在BayerCFA阵列中，R和B的位置排列规律完全相同，因此计算B位置上的G通道值，与前述计算R位置上的G通道值过程完全相同，能够计算出所有位置上的G通道值；

步骤3：恢复BayerCFA阵列中G位置上的R通道值；

步骤4：恢复BayerCFA阵列中B位置上的R通道值；

步骤5：恢复BayerCFA阵列中的B通道值，

在BayerCFA阵列中，R通道和B通道的位置特征完全相同，因此采用步骤2～步骤4的过程恢复B通道，通过上述的5个步骤，最终获得每个像素位置上的R、G、B通道值，从而获得一副完整的RGB图像。

2.根据权利要求1所述的基于模糊边界插值的BayerCFA图像恢复方法，其特征在于，步骤1的具体过程是：根据mosaic图像3×3邻域定义图像的边缘强度，任取mosaic图像中的一个3×3邻域，中心点Pi，j代表该位置(i,j)的mosaic图像值，其边缘强度Si，j定义为：利用上述的公式，获得所有位置的边缘强度Si，j，由于边缘强的像素容易导致大的插值误差，因此根据边缘强度定义插值的模糊隶属度函数为：其中，Smax代表所有图像位置中的最大边缘强度，以上公式说明边缘强度大的位置对应的模糊隶属度小。

3.根据权利要求1所述的基于模糊边界插值的BayerCFA图像恢复方法，其特征在于，步骤3的具体过程是：恢复mosaic图像中的R值，相当于计算在2×2重复阵列中的2个G位置和1个B位置上的R通道值，以下通过计算2个G位置上的R值为例进行说明，计算G位置的R值时，总共存在两种类型的G位置，将Gi,j‑1和Gi+1,j分别代表2×2阵列中的两类G位置，对于Gi,j‑1位置，其水平方向存在两个R邻域点，则Gi,j‑1位置的R值为：其中， 和 分别代表采用水平方向邻域像素计算的R和G模糊预测值，计算式分别如下：对于另一个Gi+1,j位置，其垂直方向存在两个R邻域，Gi+1,j位置的R值的计算式为：其中， 和 分别代表垂直方向G位置求解R值的模糊预测值，计算式分别如下：至此，得到所有G位置上的R通道值。

4.根据权利要求1所述的基于模糊边界插值的BayerCFA图像恢复方法，其特征在于，步骤4的具体过程是：以恢复R通道值为例，在BayerCFA的2×2阵列中存在2个G位置，1个B位置的R通道值待求，步骤3已经计算出2个G位置的R值，因此只剩下B位置的R通道值待求，以恢复Bi+1,j‑1位置的R通道值为例，其计算式为：其中，Gi+l，j‑l已通过步骤2获得， 和 分别代表Bi+1,j‑1位置求解R值的模糊预测值，计算式分别如下：由此，在BayerCFA的2×2重复阵列中，除了R位置外的另外三个位置，都已经恢复出R值，因此图像中R通道值计算完成，而B通道的位置排列与R通道完全相同，因此其计算过程参照步骤3和本步骤4的前述部分。