用二元向量有理插值实现彩色图像缩放的方法

以二元向量有理插值为基础，提出了一种图像缩放方法．首先将图像的每一个像素看作是平面域的关于RGB三原色的一个向量，利用二元Newton—Thiele型向量连分式建立关于像素值的有理插值函数，即有理插值曲面；然后对此有理插值曲面进行重新采样，以实现图像的缩放．通过实验证明，该方法能有效地用于图像的缩放处理，并且算法简单，易于实现．     

Thiele Thiele型二元向量有理插值实现彩色图像的缩放*

提出了一种基于ThieleThiele型有理向量插值的彩色图像插值方法。将数字图像的每一个像素点看成是一个平面域的关于RGB三原色的一个向量,在矩形网格上利用Samelson逆与倒差商技巧,根据图像的像素特征构造ThieleThiele型二元向量连分式有理插值函数,然后对插值曲面进行采样以实现缩放。采用该算法可以得到更加清晰的放大图像。实验结果表明,该方法是一种有效的图像缩放方法。     

一种线性与非线性相结合的图像缩小方法*

提出了一种线性和非线性相结合的图像缩小方法。首先由近邻取样方法和邻域平均相结合的方法产生一个中间图像1,利用二元NewtonThiele型向量连分式建立有理插值曲面;然后对插值曲面进行重新采样产生一个中间图像2;最后对这两幅中间图像进行加权求和,得到最终的图像。实验表明,该方法比常规方法产生的缩小图像效果好。     

彩色图像渐变的插值方法

针对目前图像渐变算法只考虑两个彩色图像之间的渐变并且没有考虑三个颜色分量内在相关性的问题,在二元混合向量有理插值的基础上,提出了一种非线性的多幅彩色图像渐变的新方法。首先将多幅图像中每个像素的RGB三原色看做是平面域上的向量,利用二元Newton-Thiele型向量连分式建立有理插值曲面,再对此插值曲面进行重采样,得到一系列的渐变中间图像。实验结果表明,该算法在保持图像特征和过渡图像的可视性方面均优于其他算法。     

一种线性与非线性相结合的图像缩小方法

提出了一种线性和非线性相结合的图像缩小方法.首先由近邻取样方法和邻域平均相结合的方法产生一个中间图像1,利用二元Newton-Thiele型向量连分式建立有理插值曲面;然后对插值曲面进行重新采样产生一个中间图像2;最后对这两幅中间图像进行加权求和,得到最终的图像.实验表明,该方法比常规方法产生的缩小图像效果好.     

一种含参数的双线性有理插值的图像缩放方法

通过一种基于函数值的分母与分子均为一次的线性有理插值函数构造出带参数的叹线性有理插值函数,该函数形式简单,灵活度高。利用该函数提出了一种新的图像插值算法,实验表明,该方法控制灵活,能有效实现图像的缩放。     

带参数有理Coons曲面插值的图像缩放方法

利用多项式插值模型进行图像缩放时,由于多项式函数只能反映数据的渐变性而不能反映其突变性,因此图像缩放的质量不高.为此,提出一种基于带参数有理Coons曲面插值模型的图像缩放方法.首先将数字图像表示成带有形状参数的分片连续双三次有理Coons插值曲面,然后按缩放要求进行重新采样以实现图像的缩放,并通过调整参数的取值来获得...     

基于有理样条的图像缩放算法

提出基于双三次有理插值样条模型的图像缩放算法.用有理插值样条函数将离散数字图像建成相应的连续数学模型,然后按缩放要求进行重新采样,实现图像的缩放.实验结果表明:该算法能有效地应用于数字图像的缩放处理,得到的图像轮廓清晰、边界分明,且算法简单,易于实现.     

基于二元混合有理插值的形状渐变方法

为实现多个多边形间的平滑自然渐变,提出基于二元混合向量值有理插值的非线性二维形状渐变方法。将多个多边形的顶点坐标作为平面域上的向量,利用二元Newton-Thiele型向量连分式建立有理插值曲面,通过对插值曲面进行重采样得到一系列渐变中间多边形。实验结果表明,该方法具有计算精度高、适应性强、易于编程实现的特点。     

基于DT-CWT的数字水印算法

为了实现数字图像的版权保护,设计了一种基于双树复小波变换的抗几何攻击的数字水印算法:对水印图像进行三级双树复小波变换,提取特征并插值为特征矩阵,并且定义了一种新的距离向量用于相似性度量,使用特征矩阵对遭受几何攻击的图像进行参数估计.实验结果表明,该算法可用于对图像遭受的对称缩放、非对称缩放、旋转等几何攻击进行校正,确保水印嵌入与检测的同步.     

基于视觉感知的图像放大

为了有效保持图像纹理细节和边界结构,提出了一种基于视觉感知的图像放大算法。构造了一类[C2]连续的双变量有理函数插值模型。根据等值线生成原理,利用等值线方法将图像自适应地划分为边缘区域和平滑区域。基于图像的区域特征,平滑区域采用多项式模型插值,边缘区域采用有理模型插值。根据人眼对比敏感特性,对边缘区域进行参数优化,从而获得高质量插值图像。与其他经典的图像放大方法相比,该方法能有效保持图像的纹理细节和边缘结构,同时获得了较好的客观评价数据。     

基于最小二乘支持向量机误差校正的多方向插值算法

视频在易出错的信道中传输会发生数据丢包和误码等现象,严重影响视频图像质量。为了改善出错图像的质量,首先使用错误隐藏技术中的空域多方向插值方法进行插值,然后利用最小二乘支持向量机学习插值像素点之间的误差相关性来预测插值误差,进而对使用多方向插值方法得到的宏块进行误差校正。实验结果表明,与目前采用的最近像素线性插值法和多方向插值法相比较,基于误差校正的多方向插值算法在错误隐藏视觉效果和峰值信噪比性能指标上都具有一定的优越性。     

纹理细节和边缘结构保持的图像插值算法

针对图像重建过程中产生的边缘结构被破坏和纹理细节丢失问题,提出一种纹理细节和边缘结构保持的图像插值算法。首先,采用自适应阈值的八方向边缘检测划分图像区域;其次,构造双变量有理函数模型,它可在有理模型和多项式模型之间转换;最后,提出基于边缘数据的局部不对称性和梯度特征调整待插值点空间距离的方法,调整边缘部分待插值点坐标并代入有理模型实现插值,而非边缘部分采用多项式模型插值。实验表明,该算法的峰值信噪比平均提升了0.48~2.17 dB,结构相似性平均提升了0.004~0.028,获得了较高的客观评价数据。该算法将原空间距离不变的插值修正为空间距离变化的插值,有效地保持了图像的边缘结构和纹理细节,使得重建结果具有较好的视觉效果。     

基于向量长度的Hausdorff距离图像匹配方法

针对采用Hausdorff距离描述两组点集之间相似程度时对孤立点噪声敏感的问题,提出一种基于向量长度的Hausdorff距离图像匹配方法。考虑图像中像素点之间的相互关系,连接图像中一个像素点和其他点构成一个向量长度集合,每个像素点对应一个向量长度集合,进行图像匹配时,计算模板图像中每个像素点的向量长度集合与待匹配图像中像素点向量长度集合的改进Hausdorff距离,从而得到匹配的量化结果。实验表明,新方法处理噪声图像具有较好的鲁棒性。     

梯度优化的有理函数图像插值

目的 对图像纹理区域的细节保持一直以来是图像插值技术的一个难题,为此提出了一种梯度优化的有理函数图像插值算法。方法 首先,构造了一种新的含有可调参数的双变量有理插值函数,随着参数的不同取值,该函数具有不同的表达形式,它是多项式模型和有理模型的有机统一体;其次,根据图像的区域特征,利用等值线方法将图像自适应地划分为纹理区域和平滑区域,纹理区域采用有理模型插值,平滑区域采用多项式模型插值;最后,根据各向同性Sobel算子计算插值单元的图像梯度,确定纹理方向,不同纹理方向的插值单元用相应的权重对中心点进行优化。结果 从客观数据、主观效果、时间复杂度3个方面对重建图像进行评价,客观数据包括峰值信噪比（PSNR）和结构相似性（SSIM）,从实验结果可以看出,本文算法的PSNR平均提高了0.14~1.50 dB,SSIM平均提高了0.005~0.097。从主观效果来看,本文算法的重建图像的纹理细节更加丰富,边缘结构更加清晰,从时间复杂度来看,本文算法的平均运行时间是3.77 s,分别比DFDF（directional filtering and data fusion）、NEDI（new edge-directed interpolation）、RSAI（robust soft-decision adaptive interpolation）、Lee''s、NARM（nonlocal autoregressive model）算法快了3.28倍、5.26倍、53.28倍、43.53倍、418.54倍。特别地,对于Baboon、Barbara、Metal这类纹理细节丰富的图像,本文算法在峰值信噪比和结构相似性上较对比算法有突出优势,主观效果有明显提高。结论 基于构造的双变量有理插值模型,本文提出了一个梯度优化的有理函数图像插值算法,实验结果表明,该算法在图像纹理细节和边缘结构保持方面具有良好的视觉效果,有效提高了插值图像质量,且时间复杂度较低。     

二元切触有理插值公式

降低切触有理插值的次数和解决切触有理插值函数的存在性是有理插值的一个重要问题。利用牛顿插值承袭性的思想和分段组合方法,构造出一种二元切触有理插值算法并推广到向量值有理插值,既解决了有理插值的存在性问题,又降低了切触有理插值函数的次数。相比于其他方法,算法的可行性是无条件的,有理插值函数次数较低,算法具有承袭性、计算量低、便于实际应用的特点。     

一种基于支持向量机的图像数字水印算法

为了使数字水印综合性能更好，根据图像邻域像素之间具有很强的相关性这一特点，提出了一种基于支持向量机的图像水印算法。该算法将支持向量机的思想用于数字水印，并取得了较好的效果。由于支持向量机在有限训练样本的情况下具有很好的学习和泛化能力，因此，可以首先利用回归型支持向量机较好地建立图像邻域像素之间的关系模型，然后，通过调整模型的输出值与中心像素值之间的大小关系来嵌入或提取水印。实验表明，用该技术嵌入水印后的图像不仅具有很好的图像感知质量和较强的鲁棒性，对图像增强、JPEG压缩、噪声、几何剪切等抵抗强，而且安全性好、实用性较强。