基于小波的改进加权抛物线插值的图像超分辨率算法

为了尽可能地保持图像的基本信息,提高图像的视觉效果和空间分辨率, 提出一种基于小波的改进加权抛物线插值算法,即在传统的加权抛物线算法上增加插值的误 差补偿项。利用sobel 算子设定插值点的边缘方向,得到初始放大图像。利用小波变换提取 高频成份,原始图像幅值增强充当低频部分,再经过小波逆变换得到高分辨率图像。实验结 果表明,相对于传统的图像放大算法,该算法考虑到全局相关性,得到更加清晰的边缘信息。     

基于小波变换的图像超分辨率复原算法研究

在不改变现有硬件设备的情况下,结合近年来迅速发展的小波理论,提出了基于小波变换的图像超分辨率算法。对输入的低分辨率图像采用直接邻域进行插值后,利用DWT将低分辨率图像分解为不同的4个子带;同时直接对低分辨率图像进行SWT处理。由SWT得到的高频频带来修正DWT得到的高频频带,可修正估计系数。最后,通过逆离散小波变换(IDWT)组合修正的高频频带和输入图像,得到一幅高分辨率的输出图像。实验证明,与传统的双线性插值、双立方插值相比,该算法的峰值信噪比PSNR都有不同程度的提高。     

利用图像局部自相似性的超分辨率重构算法

图像超分辨率重构是指由低分辨率图像来获得高分辨率图像的过程。为了能够有效地重构出高分辨率图像,提出一种基于图像局部自相似性的超分辨率快速重构算法。该算法首先利用四叉树分割的知识对低分辨率图像进行自适应分块;然后利用低分辨率图像和高分辨率图像在局部区域内的自相似性,由最小二乘方法在各个局部区域自适应的选择插值所需的参数,从而在各个局部区域内进行插值;最后运用小波域的投影算子对插值得到的高分辨率图像进行全局优化,得到最终的高分辨率图像。实验结果表明,由该算法重构的高分辨图像有很好的视觉效果和峰值信噪比。     

基于POCS的超分辨率重建算法研究

针对传统的凸集投影(POCS)算法重建后的结果图像存在边缘模糊的问题,提出了一种通过小波变换与分形插值得到高分辨率初始图像的估计方法。该方法通过对一幅图像进行小波分解得到低频重构图像和高频重构图像,对高频重构图像使用分形插值保留了图像的纹理和边缘信息。仿真实验结果表明,该方法可行有效,改善了图像的边缘特性及整体质量,与传统的POCS算法相比,本文方法提高了重建图像的峰值信噪比。     

基于小波融合的图像放大方法

提出一种基于小波融合技术与传统图像放大算法的结合的方法.该算法首先对源图像分别采用双三次插值和改进的双线性插值进行放大,然后对两幅放大后的图像进行小波分解,并对分解后得到的小波系数进行融合,增强图像轮廓,最后进行小波逆变换得到目标图像的重构.通过实验对比,采用所提算法放大的图像视觉效果明显,轮廓清晰,消除了传统放大算法的模糊和锯齿现象.     

基于图像统计特征的小波变换插值方法

针对一般图像插值方法常见的两个缺点:边缘锯齿、细节模糊,提出了一种基于图像统计特征的小波变换插值方法,该方法利用图像插值前后边缘统计特征的相似性,从低分辨率图像中获取估算高分辨率图像所需的协方差矩阵和向量,保持了边缘光滑性。同时利用小波分解与重构,将图像非边缘的细节特征进行了增强。该方法无需迭代运算,计算量较小。实验结果表明了用该方法获取高分辨率图像的有效性和可行性。     

小波分形插值应用于遥感图像处理

鉴于自然物体图像具有分形特征,提出了小波分形插值应用于遥感图像处理的新方法．这种小波分形插值方法利用小波变换系数中低分辨率频带中的高频分量相似高分辨率频带中的高频分量的特点．将遥感图像在小波变换的基础上用分形做相似变换,进而通过反变换得到比原图像分辨率高的插值图像．实验证明,小波分形插值方法比现有的双线性插值、三次方B样条插值方法具有更好的性能．     

一种亚像元遥感图像的小波复原方法

为了复原在轨卫星拍摄的退化遥感图像,以达到精确的对地观测的目的,利用交错半个像素的"亚像元"图像进行交错采样,重建成分辨率更高的的网格,然后对新建出的空格点进行小波插值估计.对插值后图像的高频进行中值滤波,融合两幅错半个像元的图像信息,最后复原成一幅地貌信息更丰富、分辨率更高的遥感图像.试验的仿真图像证明了这种小波复原方法的有效性.     

相似尺度图像融合算法

提出了一种新的融合思想,即图像应在相似尺度（similar scale,SS）上进行融合．当融合低分辨率多光谱图像与高分辨率全色图像时,一般的方法没有考虑到插值的多光谱图像和高分辨率的全色图像的尺度不一致性．基于相似尺度的思想,图像融合算法如下．首先,使用“atrous”离散小波变换分解高分辨率全色图像,使其低通分量与插值后的多光谱图像具有相似的尺度．然后,用加权多尺度基本形式（weighted mutlitscale fundamental form,WMFF）来融合它们得到合成的最低频带．最后,“atrous”逆小波变换用来重建高分辨率的多光谱图像．与其他的基于小波变换的图像融合算法相比,基于相似尺度的融合方法取得了更好的融合结果．     

基于Haar小波域自学习的图像超分辨率方法

图像超分辨率重构是指由低分辨率图像来获得高分辨率图像的过程.为了能够有效的重构出高分辨率图像,提出一种基于Haar小波域自学习的图像超分辨率重构算法.该算法将高分辨率图像通过Haar小波变换后得到的近似子块L与已知的低分辨率图像联系起来,然后通过Bp神经网络来自学习Haar小波变换细节子块之间相近的自相似性,从而预测出高分辨率图像通过Haar小波变换后的三个细节子块H,V和D.最后由逆Haar小波变换重构高分辨率图像.实验表明由该算法重构的高分辨图像有很好的视觉效果和峰值信噪比.     

IKONOS image fusion process using steepest descent method with bi-linear interpolation

There are many image fusion processes to produce a high-resolution multispectral (MS) image from low-resolution MS and high-resolution panchromatic (PAN) images. But the most significant problems are colour distortion and fusion quality. Previously, we reported a fusion process that produced a1 m resolution IKONOS fused image with minimal spectral distortion. However, block distortion appeared at the edge of the curved sections of the fused image, which was reduced by performing the wavelet transformation as a post-process. Here, we propose an image fusion process using the steepest descent method with bi-linear interpolation, which can remove block distortion without using wavelet transformation. Bi-linear interpolation provides the proper initial values of the fused image, and then the steepest descent method produces the optimum results of the fusion process. These results achieve improvement on the spectral as well as spatial quality of a1 m resolution fused image when compared with other existing methods and remove block distortion completely.     

基于脊波的多光谱和全色图像融合方法研究

应用了双线性插值的矩形阵列到径向阵列的变换算法,给出了一个离散脊波变换的实现方法,将其应用于多光谱图像与全色图像的融合算法中,通过清晰度、灰度方差、信息熵三个方面,将算法结果与小波变换的结果进行了对比,实验结果表明,相对于小波变换而言,脊波变换能更好地处理线和面的奇异性,而且由融合的结果来看,脊波变换得到的结果在清晰度等方面要高于小波变换。     

基于超分辨率的多聚焦图像融合算法研究

针对传统小波变换在图像融合过程中出现边缘模糊、图像失真等问题,提出了一种基于超分辨率的多聚焦图像融合算法。对所有的源图像进行了双三次插值的单帧超分辨率处理,增强源图像对比度等细节信息,采用的源图像为分别进行左右聚焦处理的同一场景中的两幅图像。对这些高分辨率源图像实现了平稳小波变换（SWT）,并将源图像划分为四个子带。针对这些子带所包含源图像细节信息混乱、结构信息冗余等问题,采用了主成分分析（PCA）,分别选取源图像各子带的最大信噪比进行图像融合。利用逆平稳小波变换（ISWT）对融合子带进行重构,得到高质量融合图像。为了评定融合后图像的质量,选择了无参考图像和全参考图像的两种度量方法来检测融合后的图像质量。经实验结果表明,提出的算法克服了传统小波变换算法在图像融合上的缺点,具有边缘清晰、视觉感知好、清晰度好、失真小等优点。     

小波分解在图像放大缩小中的应用

首先介绍了几种常用的图像放大与缩小的内插算法,然后介绍了小波分析的性质,小波的 Ｍａｌｌａｔ算法在一维的分解和重构公式,并且在此基础上提出了利用小波分解进行图像的放大与缩小的方法,最后简单比较了内插算法与小波方法,指出了利用小波分解的优点。     

基于小波的医学图像插值

现有插值方法在进行医学断层图像插值时,不能兼顾灰度和形状的变化.为解决这一 问题,文中提出一种基于小波的医学图像插值算法.通过对原图进行小波变换,获得图像边缘对 应小波系数的位置信息,在断层图像的相应小波系数之间进行强度和位置插值,使新的图像不 仅在灰度上,而且在组织形状上,介于原来的断层图像之间,满足了医学图像插值的要求.与线 性插值、克立格插值相比,新算法的视觉效果好,计算误差小,插值结果可有效地应用于构建三 维体模型.     

基于多进制小波变换的图象放大方法

多进制小波是近几年发展的小波分析理论的一个新分支，为了更好地进行图象的放大，提出了一个基于多进制小波变换的图象放大方法，并用三进制小波变换进行了图象的放大试验，通过与常用的插值放大方法进行比较的结果表明，基于多进制小波放大的图象能较好地保持原来图象的特征，优于一般的插值放大方法。     

基于小波域分形编码的图像插值

传统的图像插值方案(包括最近邻插值、双线性插值和B样条插值等),大多是基于图像分块的光滑连续模型。由于该模型不能很好地描述自然图像的特点,因此插值得到的图像质量不高。为寻求更有效的插值方案,首次提出了基于小波域分形编码的插值算法。该算法在FW编码的基础上,首先利用图像的局部自相似模型,通过小波树的膨胀,并借助小波域的第1级子带,对超分辨率级的第0级子带进行最优预测,再经过小波反变换来得到插值图像。标准测试图像的实验表明,该插值算法与传统的双线性插值相比,不仅可以获得清晰的纹理和边缘,而且峰值信噪比也更高,因此插值得到的图像更加精确、真实。     

一种基于小波变换的图像融合新算法*

在阐述小波图像融合算法的基础上,针对小波分解后各频域融合算子和融合规则的选择,提出一种新的基于小波分解的图像融合算法。对小波分解后的低频分量通过度量其图像块之间的相关系数和空间频率来确定融合图像的尺度系数;对高频分量,以方向对比度为判据确定融合图像的小波系数;最后,通过小波逆变换得到融合图像。对多组图像进行实验,实验结果表明,该方法是有效的。