双层约束下基于局部和全局信息的图像插值新模型

该文提出一种双层约束的图像插值模型,模型在原始未插值图像梯度模约束下同时基于局部和全局信息处理。使用偏微分方程处理边缘像素,锐化边缘同时平滑边缘块状效应;平滑区域像素点的插值操作使用非局部均值模型,非局部均值模型通过对原始图像全局信息加权平均得到待处理图像像素值,图像平滑。使用双层约束模型处理纹理图像可以保持纹理特征,平滑纹理部分线形特征位置的块状效应。最后理论和实验结果证明使用双层控制模型可以直接将噪声图像插值放大。     

基于双向模糊扩散的保持特征的图像锐化

本文基于模糊集合理论,提出了一个双向模糊扩散框架.这个框架沿着等照度线(边缘)的梯度方向实施模糊的反向扩散;而相反地沿切线方向实施确定的正向扩散.为了保持图像特征的自然过渡,利用图像的局部结构张量的特征值检测图像的不同特征,并进行相应的锐化处理.     

基于双向耦合扩散的自适应图像插值

提出了一种自适应的双向耦合扩散算法:沿着等照度线(边缘)的梯度方向实施反向扩散以增强边缘,而相反地沿切线方向实施正向扩散以去除人工锯齿。为了消除这2个相反的扩散力彼此之间的冲突,将此算法分裂为一种耦合的格式;同时,为了保持图像特征,利用图像的方向导数局部地调整非线性扩散系数。最后将上述算法应用于图像插值。实验结果显示,相比于传统的图像插值算法和一些相关的偏微分方程模型,此图像插值算法可以显著地提高被插值图像的视觉质量。     

一种基于边缘方向的双线性插值方法

针对传统的双线性插值存在的图像边缘模糊问题,本文提出一种改进方法。首先根据插值点的几何位置及邻点的灰度大小,确定插值点灰度的梯度方向和边缘方向,然后沿边缘方向进行双线性插值。该方法可实现沿任意边缘方向的插值,并且计算简单。实验结果表明,该方法与传统的双线性插值法相比,插值图像的平均梯度增加而均方误差减小,有效地提高了插值图像的质量。     

基于统计特征的彩色图像快速插值方法

本文首先阐述了基于统计特征的图像插值方法,该方法通过提取待插入像素所在区域的协方差矩阵和协方差向量,得出适应于边缘位置和方向的插值权重.为了把基于统计特征的图像插值方法应用于彩色图像插值领域,本文提出了以下措施以提高计算速度:仅对Y图像估计插值权重,并同时应用到R、G、B三个分量的插值;对边缘像素应用基于统计特征的图像插值方法,而对非边缘像素应用简单的双线性插值,即混合图像插值方法.这些措施提高了计算速度,并保证了图像质量.实验表明了该算法在计算速度和插值图像质量方面的有效性.     

基于模糊三值模式的矿物浮选泡沫图像边缘检测方法

针对一类边缘特征不明显的矿物浮选泡沫图像,提出了一种基于模糊三值模式的泡沫图像边缘检测方法.在‘0/1’二值模式基础上,增加不确定逻辑状态,构成模糊局部三值模式,以描述邻域像素灰度均值的不确定关系,同时,对邻域双向灰度差值之和进行模糊化,以描述边缘与非边缘方向的关系,联立邻域灰度关系与双向灰度差值隶属度,构造气泡边缘隶属度矩阵,依据联合隶属度的解模糊结果判决是否为边界候选像素,再根据边界候选像素集合的特征剔除非边界像素,以此得到泡沫边缘.实验结果表明,该方法能够有效地检测出气泡边缘,同时,在强噪声环境下,具有良好的鲁棒性.     

基于小波的方向自适应图像插值

图像插值是图像处理的一项重要技术,经典的插值算法会产生细节模糊和边缘锯齿现象。该文提出一种基于小波的方向自适应图像插值方法,将小波变换思想和局部方向自适应插值方法结合。为了获得清晰的细节部分,对图像实施改进的方向自适应双线性插值;结合小波方法,提高插值图像的高频细节信息,并进行相关后处理,增强视觉效果。实验结果表明,该文方法插值后的图像边缘清晰光滑,有效抑制了边缘模糊和锯齿现象,相比较传统方法,插值图像的客观质量和视觉效果都得到明显增强,更加适合人眼视觉系统。     

基于边缘保持的航拍图像凸集投影超分辨率重建算法

针对传统的凸集投影(POCS)超分辨率图像重建算法经常出现的边缘模糊问题,在传统POCS算法原理基础上,文章使用基于梯度插值的算法生成POCS重建的初始估计图像,然后对中心点为边缘像素的空间点扩散函数(PSF)进行修正,使其系数沿梯度大的方向减小,梯度小的方向保持不变。利用改进的POCS算法进行了超分辨率图像重建实验,结果表明,图像峰值信噪比由原来的27.29dB达到28.12dB。该方法有效地保持了边缘特性,改善了超分辨率图像重建质量。     

改进边缘质量和运动估计的超分辨率图像重构

凸集投影算法（POCS）是一种广泛使用的超分辨率图像重构方法。针对传统的POCS超分辨率图像重构算法出现的边缘模糊及匹配时的局限性问题,首先利用二阶梯度检测出像素周围0°、45°、90°、135°四个边缘。在构造参考帧时采用基于梯度的插值算法,沿边缘方向进行线性插值,沿非边缘方向进行基于一阶梯度的带权插值。在运动估计时,采用SURF匹配算法,提高匹配的鲁棒性和实时性。在修正参考帧时,分别定义中心在四个边缘方向的点扩散函数（PSF）。利用完全参考图像质量评价和无参考图像质量评价分别对仿真实验和实物实验进行了评价,评价结果表明提出的算法较传统POCS算法有明显的改善。      

带有局部耦合项的冲击扩散方程与图像锐化

提出了带有局部耦合项的冲击扩散方程,其沿着等照度线(边缘)的梯度方向实施反向扩散(冲击)以锐化边缘;相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像.为了克服二值的零交叉决策过程导致的虚假的分片常数图像,利用双曲正切函数代替符号函数,柔和地控制边缘的零交叉点两侧像素的灰度值变化.同时为了进一步控制扩散行为,使其逼近于稳定的过程,并消除数值"爆炸"和过冲,在冲击扩散方程中增加局部耦合项.实际结果显示,本文算法可以显著地提高图像的视觉质量.     

基于非下采样Shearlet和方向权值邻域窗的非局部均值SAR图像相干斑抑制

非局部均值算法将传统的图像去噪算法由局部计算模型推广到非局部计算模型,取得了良好的效果.但对于合成孔径雷达图像,使用观测值和各向同性邻域窗来度量相似性,缺乏鲁棒性和方向性,不利于捕获图像边缘结构信息.提出了基于非下采样Shearlet特征描述子和方向权值邻域窗的非局部均值算法.实验表明,该算法不但有效地去除了相干斑,而且很好地保持了图像的几何结构信息,为后期SAR图像的理解与解译奠定了良好的基础.     

An Adaptive Non-local Total Variation Blind Deconvolution Employing Split Bregman Iteration

Total variation (TV) has been used as a popular and effective image prior model in regularization-based image restoration, because of its ability to preserve edges. However, as the total variation model favors a piecewise constant solution, the processing results in the flat regions of the image are poor, and the amplitude of the edges will be underestimated; the underlying cause of the problem is that the model is based on derivation which only considers the local feature of the image. In this paper, we first propose an adaptive non-local total variation image blind restoration algorithm for deblurring a single image via a non-local total variation operator, which exploits the correlation in the image, and then an extended split Bregman iteration is proposed to address the joint minimization problem. Second, the maximum average absolute difference (MAAD) method is employed to estimate the blur support and initialize the blur kernel. Extensive experiments demonstrate that the proposed approach produces results superior to most methods in both visual image quality and quantitative measures.     

基于Curvelet的纹理方向自适应图像插值

为提高纹理复杂图像的插值放大质量,提出一种纹理方向自适应的图像插值算法。首先利用Curvelet变换提取图像的4个方向因子矩阵,然后对不同类插值点选择相应的2个方向因子构造权重系数进行线性插值,从而自适应地重建各类待插值点。分析比较了本文与现有插值算法对平滑与纹理复杂区域的插值重建质量。实验结果表明,本文算法能有效抑制传统插值方法重建图像时出现的边缘模糊和锯齿现象,重构的图像效果优于传统方法,纹理丰富图像的重构质量可提高2dB以上。     

Markov random field model-based edge-directed image interpolation.

This paper presents an edge-directed image interpolation algorithm. In the proposed algorithm, the edge directions are implicitly estimated with a statistical-based approach. In opposite to explicit edge directions, the local edge directions are indicated by length-16 weighting vectors. Implicitly, the weighting vectors are used to formulate geometric regularity (GR) constraint (smoothness along edges and sharpness across edges) and the GR constraint is imposed on the interpolated image through the Markov random field (MRF) model. Furthermore, under the maximum a posteriori-MRF framework, the desired interpolated image corresponds to the minimal energy state of a 2-D random field given the low-resolution image. Simulated annealing methods are used to search for the minimal energy state from the state space. To lower the computational complexity of MRF, a single-pass implementation is designed, which performs nearly as well as the iterative optimization. Simulation results show that the proposed MRF model-based edge-directed interpolation method produces edges with strong geometric regularity. Compared to traditional methods and other edge-directed interpolation methods, the proposed method improves the subjective quality of the interpolated edges while maintaining a high PSNR level.     

彩色图像去马赛克的非局部稀疏表示方法

目前,大部分彩色去马赛克（Color DeMosaicking,CDM）算法仅利用了局部的空间和光谱相关性,容易导致CDM复原图像边缘模糊以及细小结构丢失.当图像中出现周期性细小结构时,这些局部方法容易产生诸如锯齿、栅格等失真现象.针对这些问题,我们将字典学习和稀疏编码统一到一个变分框架中,提出了非局部自适应稀疏表示模型.通过非局部相似块聚类自适应地在线学习字典.利用局部和非局部的冗余信息对稀疏编码进行约束,强制稀疏编码靠近其非局部均值以减少编码误差.为了有效抑制服从重尾分布的CDM误差,设计了基于l₁范数的数据项.最后,联合交替最小化方法和算子分裂技巧对模型进行有效求解.实验结果验证了本文模型与数值算法的有效性.     

基于结构成分双向扩散的图像插值算法

该文提出一种基于结构成分双向扩散的插值方法,有效地减小了插值图像的边缘扩散,从而获得更为清晰的边缘。该方法采用改进的耦合双向扩散滤波器对轮廓模板插值图像进行边缘增强。其中,为了使滤波器更精确地作用于边缘轮廓,利用形态成分分析(MCA)分离出初始插值图像中的结构分量再实行滤波;同时,改进双向扩散模型,使其能够根据边缘梯度自适应地调整边缘扩散程度,且更加柔和地控制梯度方向的像素值变化。实验结果表明,对比传统的插值方法、相关的边缘自适应插值方法以及几种应用普遍的商用软件,该方法获得的插值图像主、客观质量均有明显提升,不仅有效提高图像锐度,且边缘光滑、过渡自然,避免产生边缘锯齿和过度的人工效应。     

结合字典稀疏表示和非局部相似性的自适应压缩成像算法

如何以较少的观测值重构出高质量的图像是压缩成像系统的一个关键问题.本文根据图像块随机投影能量大小分布特点,提出了一种新的自适应采样方式以及针对自适应采样的有效重构算法.重构时利用了图像在字典下的稀疏表示原理和图像的非局部相似性先验知识.为实现图像的稀疏表示,文中构造了由多个方向字典和一个正交DCT字典组成的冗余字典,并用l1范数作为约束条件求解稀疏优化问题.由于充分利用了图像块的局部特性和图像的非局部特性,本文的压缩成像算法在低采样率下能重构出较高质量的图像.     

混合正则化约束的湍流退化图像复原算法

针对大气湍流引起的红外图像模糊问题,提出一种基于混合正则化的模糊核估计模型。根据图像主要边缘的稀疏性,采用图像梯度的L0范数为正则化项;通过分析模糊核的特性,提出能适用于复杂模糊情况的核L0-L2范数正则化约束。复原模型的优化过程中,结合变量分裂策略和增广拉格朗日法交替估计图像和模糊核,并利用快速傅里叶变换,实现模糊核的快速、准确估计;最终根据估计的模糊核,复原得清晰图像。实验结果表明,本文算法可以更好地复原退化图像,在主观视觉和客观质量评价方面都有所提高。     

基于非局部相似块低秩的压缩感知图像重建算法

传统的压缩感知重建算法利用信号在某个特征空间下的稀疏性构建目标优化函数,但没有充分考虑信号的局部特性和结构化属性,影响了算法的重建性能和算法的适应性.本文考虑图像的非局部自相似性(NonlocalSelf-Similarity,NLSS),提出一种基于图像相似块低秩的压缩感知图像重建算法,将图像恢复问题转化为聚合的相似块矩阵秩最小问题.算法以最小压缩感知重建误差为约束构建优化模型,并采用加权核范数最小化算法(Weighed Nuclear Norm Minimization,WNNM)求解低秩优化问题,很好地挖掘了图像自身的信息和结构化稀疏特征,保护了图像的结构和纹理细节.多个测试图像、不同采样率下的实验证明了算法的有效性,特别是在低采率下对于纹理较为丰富的图像,提出的算法图像重建质量较明显的优于最新的同类算法.