结合中值滤波的彩色自蛇模型在遥感图像放大的研究

研究了彩色自蛇模型的形成过程,对遥感TM图像进行了后处理放大处理,采用最邻近点插值、双线性插值、三次样条插值、双立方插值、双二次插值。针对插值放大后的图像的边缘出现锯齿化和模糊化问题,由于彩色自蛇模型本身不仅具有边缘锐化功能,它可以消除边缘锯齿化和边缘模糊化问题,而且具有去噪的能力。采用彩色自蛇模型进行后处理,并对处理后的残余斑点进行研究,结果采用了中值滤波的方式取得更好的效果,并对含噪的遥感图像也有较好的放大效果,实验结果证明该方法适于遥感图像的放大处理。     

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.     

保持边缘特征的含噪图像放大方法

针对含有噪声图像放大中如何有效地保持边缘细节和抑制噪声问题,提出了结合具有保持边缘信息的双边滤波和克服传统插值算法在方块效应和细节退化等方面缺点的边缘方向插值的含噪图像放大方法。实验结果表明该方法能够获得高清晰边缘的去噪放大图像。     

改进型快速NEDI图像插值实现算法

针对经典新边缘指导插值(NEDI)算法存在的计算复杂度高、硬件实现困难、插值系数误差累计导致放大图像边缘噪声大的缺陷,提出一种改进的快速NEDI算法。算法采用圆形窗口计算插值系数,且该插值系数在高倍放大中可重复使用,避免了迭代计算插值系数引入的误差,并节省了迭代计算的时间。同时,对边缘区域非中心像素插值时,采用和被插点相邻的6个原像素点估计高分辨率图像的局部协方差。最后给出实验,并与双立方插值及经典NEDI算法进行比较。实验结果表明,使用改进算法插值后的图像边缘更加清晰,消除了大比例缩放时锯齿现象,提高了图像的视觉质量,计算复杂度也较经典NEDI算法大大降低。     

基于小波变换的分形插值图像放大方法

分形插值和小波变换在数字图像处理中有着广泛的应用.结合分形插值和小波变换的特点,提出了一种新的图像放大方法.实验结果表明,通过选择合适的小波基,该方法与传统的图像放大方法相比,获得的放大图像的纹理特征和图像的边缘得到明显增强,并且具有更高的视觉分辨率.     

基于斜坡边缘模型的图像插值新方法

基于斜坡边缘模型的经典插值方法把所有边缘归为强边缘,导致弱边缘过分增强而失真。针对该问题提出基于斜坡边缘模型的图像插值新方法（NIIBRED）,对强弱边缘采用不同方法,考虑边缘宽度随图像放大而增大的情况,对放大图像进行修复。实验结果证明,NIIBRED使放大图像的边缘更自然且清晰,取得了更好的纹理效果。     

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。     

基于二元树复小波的图像插值超分辨率算法

根据二元树复小波理论和图像插值的特点,将二元树复小波变换与基于边缘插值方法相结合,得到一个放大的插值图像,然后将插值后的图像进行一级小波分解,将分解后的高频子带再做小波变换,并修正变换后的高颊子带系数,进行图像重构后得到最终的插值图像.实验结果表明,该方法能够提高图像的分辨率,_同时消除边缘处的"振铃"效应.     

基于加权抛物线插值与小波变换的图像放大算法

图像放大问题的焦点是如何在图像放大过程中保持良好的视觉分辨率和清晰度。论文首先对加权抛物线插值算法进行了改进,在此基础上提出一种加权抛物线插值结合小波变换的图像放大算法,并对小波变换后的小波系数低频带作了幅值增强处理。实验结果表明,相对于传统的图像放大算法,该算法不仅较好地保留了原始图像的细节信息,而且还提高了放大后图像的亮度和清晰度。     

基于非均匀B样条插值算法的图像放大

图像放大和缩小处理在实际生活中具有广泛的应用,常用的图像处理软件普遍采用插值方法进行放大和缩小,各种插值算法的实现是目前研究的热点。提出了基于三次B样条函数的插值算法,采用不同于传统算法的非均匀参数化方法,使得插值后的图像能够保持较高的清晰度和平滑度。针对图像边缘处的锯齿现象,该算法在图像插值时对边缘像素采用双三次插值,优化了图像边缘的视觉效果。实验结果表明,使用该算法放大后的图像平滑清晰,消除了图像边缘处的锯齿效应,取得了良好的效果。     

基于并行运算的双层图像锐化方法

针对低清晰度照片或图像放大后边界模糊、画质差及人们对高清图像的实际需求,基于统一计算架构(CUDA)环境,提出了一个两层结构的图像并行锐化方法,设计并实现了一个基于GPU的并行锐化算法：第一层采用并行线性插值法,反复对图像非边界部分进行计算以及边缘区域锐化处理;第二层采用改进的梯度法对图像进一步优化。放大后的图像经该方法处理后,基本上可消除图像边缘区域的锯齿,使图像画质平滑、自然、清晰。经实验验证,设计的基于GPU的并行锐化算法在效率和画质上都优于目前流行的算法,提出的方法可应用于现有图像及照片放大后处理。     

基于PDE的图像去噪方法

针对P-M非线性扩散模型以及自蛇模型对图像滤波的不足,为了充分利用两种模型各自的优势,提出了一种新的基于自蛇模型与P-M扩散模型相混合的去噪方法,同时在其扩散方程中添加了忠诚项,这样噪声去除与边缘保留就可以得到一个较好的效果。最后实验结果表明,该方法既能有效去除图像噪声,也能很好地保持图像的边缘等细节信息。     

保边缘自蛇模型毫米波图像去噪

由于毫米波图像分辨率低并伴随有大量噪声,其图像边缘常被噪声污染或丢失,为此提出保边缘自蛇模型并应用于毫米波图像去噪。引入只在图像的边缘处具有最大值,且对噪声不敏感的非局部梯度,以此构造边缘停止函数,使其在图像边缘处接近0,而在平坦同质区域接近1;给出保边缘的自蛇模型迎风差分数字解法;提出毫米波图像去噪的定量评价算法性能指标。实验结果表明,该算法在等效视数和边缘清晰度性能指标上明显优于标准自蛇模型和保特征的各向异性扩散模型,具有较好的去噪效果和保边缘能力。     

一种新的基于稀疏分解的图像放大方法

提出了一对新的冗余离散小波变换(RDWT)和波原子变换(WAT)字典,并将其应用于图像稀疏形态成分分解以获得图像的卡通与纹理成分.并针对卡通和纹理所具有的不同形态学特征,对卡通成分采用具有曲率运动、边缘冲击特性和平滑去噪性能的非线性self-snake模型来放大;对纹理成分采用双三次插值方法来放大,最后通过叠加就可获得放大图像.实验结果表明,这种基于新字典对的稀疏形态成分分解的图像放大方法相比于传统的基于整幅图像的放大方法能够有效地保护小曲率和大梯度,强化图像边缘,保证纹理细节清晰完整.     

基于局部插值的双三次图像放大

以距离和边缘特征为约束,提出构造分片定义的双三次多项式曲面实现图像放大 的新方法,分为构造拟合曲面和修正曲面。以距离和边缘为约束构造对小邻域上像素拟合的二 次多项式采样曲面,所有二次多项式采样曲面加权组合生成分片定义的双三次多项式整体曲面。 由放大图像计算误差图像,由误差图像构造修正曲面的技术,进而提高放大图像精度和视觉效 果。为减少构造二次多项式的计算量,提出对二次多项式系数分类计算算法,能够实现对图像 任意倍数的放大。实验结果表明,该方法不仅提高了放大图像的峰值信噪比(PSNR)、结构相似 度(SSIM)数值精度,也提高了图像的视觉效果。     

一种新颖的边缘自相关模糊消除放大算法

传统插值算法放大后的图像产生细节模糊和边缘锯齿化,为此提出一种基于边缘检测的多方向模糊消除算法。采用双通道方式,边缘检测原图像,提取放大后的图像边缘信息,根据多方向边缘梯度变化,对边缘邻接像素点优化;多倍放大时采取小倍率递进方式实现。实验证明,算法模型简单易于实现,对提高图像质量取得了明显的效果。     

分数阶相位拉伸变换的图像锐化算法

图像锐化是图像增强的主要内容之一,在图像分析、图像理解以及医学图像等领域均有重要的应用。现有图像锐化方法对图像中的弱强度变化特征增强效果不明显,并且在边缘附近还会出现毛刺与噪声。为解决这些问题,提出一种基于相位拉伸变换结合相对总变分的图像锐化算法,其主要工作包括分析推导相位拉伸变换中的核函数,将传统相位拉伸变换推广至分数阶傅里叶变换,然后与相对总变分理论相结合。实验结果表明,该算法对弱强度变化特征具有更好的锐化增强效果,同时由于相对总变分的约束,也消除了增强图像边缘附近的毛刺现象。与传统锐化增强算法相比,该算法的平均梯度和信息熵提高均在80%以上,证明了该算法的有效性与优越性。     

Image enlargement based on a step edge model

In compiling a multimedia document we often need to enlarge the size of an image. The traditional pixel repetition method tends to make the edges jagged. On the other hand, the interpolation-based methods tend to make the edges blurry in the enlarging process. In this paper we propose an image magnification method based on a step edge model. Using the model, we are able to define a straight step edge segment with four parameters. In enlarging a digital image, we first derive the parameter values for its step edge segments. This is like extracting the step edges in the corresponding continuous image. Then we re-digitize the step edges in the continuous image with a finer grid to obtain an enlarged image. In this way, the step edges are able to stay well defined after they are enlarged. The experiments show that in both visual comparison and quantitative analysis, the results produced by the suggested step edge model-based approach are consistently and significantly better than that produced by pixel repetition and bilinear interpolation.     

双向增强扩散滤波的图像去噪模型

提出一种双向增强扩散滤波的图像去噪模型。简化扩散方程建立双向扩散系数,使模型在扩散过程中能够实现平滑与锐化的双向过程,为加强平滑和锐化强度,用小波变换增强图像,使整体图像轮廓得到增强和局部图像纹理特征得到弱化。然后,对阈值进行了自适应设计和改进,使其根据图像的最大灰度值和迭代次数自动控制阈值,进一步保留图像边缘和细节特征。实验仿真和可行性的验证结果表明,新模型去噪效果较理想,不但能抑制噪声,而且能保护细节信息,峰值信噪比得到了有效的提高,性能更优越。     

Image sharpening detection based on multiresolution overshoot artifact analysis

With the wide use of sophisticated photo editing tools, digital image manipulation becomes very convenient, which makes the detection of image tampering significant. Image sharpening, which aims to enhance the contrast of edges in an image, is a ubiquitous image tampering operation. The detection of image sharpening can serve as a reliable clue for image forgery. In this paper, we propose a novel image sharpening detection method based on multiresolution overshoot artifact analysis (MOAA). By building the relationship between the overshoot artifact strength and the slope of a sharpened edge, we find that although undergoing the same sharpening operation, the edge with large slope will present a stronger overshoot artifact than the one with small slope. Based on this finding, we use the nonsubsampled contourlet transform (NSCT) to classify the image edge points into three categories, i.e., weak, middle and strong edge points and measure the overshoot artifact of each category respectively. A cascaded decision strategy is adopted to decide an image is sharpened or not. Experimental results on digital images with various sharpening operators demonstrate the superiority of our proposed method when compared with state-of-the-art approaches.