Newton-Thiele插值方法在图像放大中的应用研究

图像放大一般采用插值方法，而插值基函数的选择直接影响放大图像的效果和实时速度．在分析常见插值方法和图像特点的基础上，提出一种新的图像放大方法，利用Thiele连分式和Newton多项式建立有理插值函数和代数插值函数；并通过实验证明，该方法也是一种有效的图像放大方法．     

基于边缘保持的CT图像插值放大算法

由于医学硬件设备和辐射剂量的限制,为了获得高分辨力、高质量的CT图像以协助医生进行诊断和治疗,通常需要从软件方面将CT图像放大或局部CT图像放大,考虑到CT图像边缘在CT图像处理中的重要性,提出一种基于边缘保持的CT图像插值算法,该算法包括两个步骤,第一步对原图像进行边缘提取以及沿边缘方向进行边缘插值放大;第二步进行图像平滑区域的双线性插值放大。该算法能很好地保护图像的边缘细节,文中给出了放大实例,实验结果证明了算法的有效性。     

图像的定向插值放大及其简化算法

首先介绍了常见的图像插值放大方法及其不足 ,然后描述了定向插值放大的基本思想和实现方法 ,最后分析了所提到的插值放大方法的优缺点及各自的适应范围 ,并讨论了如何进一步地提高插值放大算法的性能     

基于阈值控制的边缘自适应快速图像插值算法

在处理视频、网络信号时，要求较低的算法复杂度和运算量。该文通过阈值控制方式分类像素点区域，采用双通道达到快速插值的目的。利用与边缘像素点相邻的6个降采样像素局部结构多方向信息特征，估计高分辨率像素值。实验结果证明，该算法有效地保持了边缘特征，减少了CPU处理插值的时间，获得了较高的分辨率图像，并满足快速处理信号的要求。     

基于细分的图像插值算法

将基于法向的曲线细分技术应用到图像插值中,提出一种基于细分的图像插值算法．该算法无须建立中间连续图像模型,能自适应地插值,而且插值系数可为任意正实数．应用该算法插值后的边界清晰、自然,忠实地反映了原始图像的面貌．与传统的插值算法相比,其边界处理效果好,具有线性复杂度且易于实现．     

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。     

图像放大中的边缘细化算法研究

当图像放大时边缘会出现锯齿失真,为了抑制这种失真,提出了边缘阶梯细化的图像放大算法。该算法在图像的非边缘区域采用经典的双线性插值算法;同时根据Canny边缘检测的结果,进一步进行阶梯检测,滤除不会产生锯齿失真的竖直和水平边缘;而在使用经典算法会产生严重锯齿失真的边缘区域,运用基于阶梯细化的插值算法;该插值算法在放大图像的同时,抑制边缘中的阶梯被放大,从而达到减少锯齿失真的目的。实验结果表明,该算法比经典算法更能有效地抑制锯齿失真。     

基于加权抛物线插值误差补偿算法的图像放大

提出一种基于加权抛物线插值误差补偿的图像放大算法。该算法增加加权抛物线插值的误差补偿项,借助于sobel算子设定插值点的边缘方向,消除由于传统的线性插值造成的振铃现象和棋盘效应,并具有一定的边缘自适应功能。实验结果表明,相对于传统的图像放大算法,该算法不仅能够保留原始图像的基本内容,还能得到更加清晰的边缘信息。     

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。     

基于方差和边缘插值的邻近点图像修复算法

提出了一种复杂度较低的结合去噪的图像修复新方法,将图像修复和去噪相结合,达到了更好的修复图像的目的。图像去噪算法通过检验每一个像素点的被腐蚀程度得到了一种基于邻近像素点并保留图像对象边缘和细节的算法;图像修复算法通过定义修复区域像素点的优先度得到了一种邻近像素点的图像修复算法。经实验验证,该方法具有良好的性能。     

新的基于边缘检测提高图像质量的插值算法

通过对经典插值算法放大后得到的高分辨率图像先进行边缘检测,然后根据多方向边缘梯度变化,对边缘邻接像素点进行自相关模糊消除修正插值;多倍放大时采取小倍率循环修正方式实现.实验证明,算法克服了经典插值后图像的边缘锯齿和模糊效应,使修正优化后的图像清晰.对于RGB彩色图像先进行各分量色融合,再边缘检测,对提高图像质量也取得了明显的效果.     

Multi-kernel based adaptive interpolation for image super-resolution

This paper proposes a cost-effective and edge-directed image super-resolution scheme. Image super-resolution (image magnification) is an enthusiastic research area and is desired in a variety of applications. The basic idea of the proposed scheme is based on the concept of multi-kernel approach. Various stencils have been defined on the basis of geometrical regularities. This set of stencils is associated with the set of kernels. The value of a re-sampling pixel is obtained by calculating the weighted average of the pixels in the selected kernel. The time complexity of the proposed scheme is as low as that of classical linear interpolation techniques, but the visual quality is more appealing because of the edge-orientation property. The experimental results and analysis show that proposed scheme provides a good combination of visual quality and time complexity.     

一种新的区域图像插值算法

针对传统的3种图像插值算法在插值后分别存在灰度不连续、轮廓模糊、计算量大等问题,提出了一种新的区域插值算法。该算法先对图像依据纹理平坦或复杂进行区域的相对划分,然后根据待插值点在源图像中所属的区域对应地使用不同的插值算法。与一些典型插值算法进行仿真比较,验证了该算法在基本不改变插值精度的前提下,可以有效地降低运算时间。     

Across-scale process similarity based interpolation for image super-resolution

A pivotal step in image super-resolution techniques is interpolation, which aims at generating high resolution images without introducing artifacts such as blurring and ringing. In this paper, we propose a technique that performs interpolation through an infusion of high frequency signal components computed by exploiting ‘process similarity’. By ‘process similarity’, we refer to the resemblance between a decomposition of the image at a resolution to the decomposition of the image at another resolution. In our approach, the decompositions generating image details and approximations are obtained through the discrete wavelet (DWT) and stationary wavelet (SWT) transforms. The complementary nature of DWT and SWT is leveraged to get the structural relation between the input image and its low resolution approximation. The structural relation is represented by optimal model parameters obtained through particle swarm optimization (PSO). Owing to process similarity, these parameters are used to generate the high resolution output image from the input image. The proposed approach is compared with six existing techniques qualitatively and in terms of PSNR, SSIM, and FSIM measures, along with computation time (CPU time). It is found that our approach is the fastest in terms of CPU time and produces comparable results.     

基于图像块分类的图像超分辨率重建

针对当前图像超分辨率重建算法中存在的字典单一而导致重建图像质量不佳的问题，提出一种将图像块分类与图像卡通纹理分解相结合的单幅图像超分辨率重建算法。首先，将图像分块，并将图像块分为边缘类、纹理类和平滑类三类，其中纹理类用形态成分分析（MCA）算法分解为卡通部分和纹理部分；然后，对边缘类、卡通部分和纹理部分分别训练高低分辨率字典；最后，求解稀疏系数并与高分辨率字典重建图像块。仿真结果显示，与基于稀疏表示的超分辨率重建（SCSR）算法和单幅图像超分辨率重建（SISR）算法相比，所提算法的峰值信噪比（PNSR）值分别提高了0.26 dB和0.14 dB，表明该算法的重建效果更好，重建图像纹理细节更丰富。     

基于边界程度的图像插值算法

为了有效地消除传统图像插值中出现的边缘锯齿现象,提出了基于边界程度的图像插值算法。该算法充分考虑自然图像边缘缓慢变化的特点,在图像边缘平滑的假设下,采用边界程度信息来抑制锯齿现象。实验结果表明,该算法能够很好地解决图像插值中的边缘锯齿现象问题,且不会产生其他明显的人工痕迹。此外,该算法还保持了传统插值算法简单有效的特点,实现和应用起来都比较方便。     

基于小波稳健的超分辨率图像重建算法

针对超分辨率图像重建算法多存在计算量大、收敛稳定性不高且收敛慢的问题,提出一种基于小波稳健的正则化超分辨率图像重建算法。该算法利用小波变换生成初始图像,对重建图像的质量有明显提高。采用1-范式(L1)度量正则项,增强了算法的稳健性,通过导入自适应的正则参数提高了算法的效率。经仿真实验证明了算法的有效性。     

基于POCS算法的图像超分辨率重建

传统POCS算法对图像进行超分辨率重建时,一般都假设所处理的噪声为零均值的加性高斯白噪声,当噪声为非高斯噪声如椒盐噪声时,POCS算法的重建效果将会下降.针对这一问题,本文对含噪图像首先采用平稳离散小波变换技术进行去噪预处理,然后再用POCS算法重建图像.实验证明,此方法对信噪比较低的图像有很好的重建效果,对高斯及椒盐等噪声处理比较有效.