局部自适应非线性图像放大算法

已有的基于相关性检测的图像缩放算法所检测的边缘方向较少,并且只考虑了边缘特征的常数相关性,有时难以发掘像素之间所蕴含的关联性.为此,提出一种基于相关性检测的非线性图像放大算法.在检测图像中像素的相关性时,充分考虑像素之间潜在的相关方向;在检测相关性的过程中引入针对图像边缘特征的线性和二次相关性检测,用常数、线性或者二次函数来拟合像素之间的关系,从而更全面地描述像素之间的相关性,即图像的边缘特征,使得图像在放大过程中沿着图像的边缘特征进行,有效地消除了放大图像的模糊问题.实验结果表明,该算法具有良好的局部性,适合于GPU并行实现.     

基于GPU的双二次B样条图像缩放

图像缩放算法中最常见的是基于核函数的插值算法,包括最邻近插值、双线性插值以及双三次插值等。最邻近插值算法简单高效,但具有很明显的锯齿现象;而双线性插值算法由于其具有低通滤波器的性质,容易造成图像边缘不清晰;双三次插值算法具有较好的视觉效果,但由于其计算量的增大,效率不高。针对双三次插值算法的低效问题,提出了一种基于双二次B样条局部插值的图像缩放方法,该算法在插值过程中采用了4个采样点以区别于传统的二次插值函数,避免了相位失真的问题;同时着重研究了如何利用该算法良好的局部性以及易于并行实现的特征,利用GPU对该算法进行加速以提高算法的效率。研究结果表明,该算法在保持双三次插值算法效果的基础上对算法效率有将近十倍的提升。     

双二次B-样条插值图像缩放

双线性和各种双三次插值方法是图像缩放中常用方法,但是双二次插值函数却很少被人提起。本文提出了一种基于双二次B-样条局部插值的图像缩放方法,该算法在图像局部重构过程中对称地采用了4×4采样点,并通过对该函数进行重采样来实现图像的缩放,避免了二次函数在图像重构与采样中的相位失真问题,此算法是一个局部性算法,易于扩展。实验结果表明,本文算法得到的图像的峰值信噪比(PSNR)、MISSIM值比双线性插值、双三次卷积、Catmull-Rom三次插值、Dodgson插值算法都要好,接近于最好的双三次B-样条算法,视觉效果虽然不如双三次B-样条插值算法,但优于Dodgson方法,计算时间比双三次B-样条减少了近三分之一。由于该算法没有对图像边缘特征进行特殊处理,对于一些细节纹理比较丰富的图像,将进一步研究。