基于扩散率函数的图像放大算法

利用扩散率函数的特性,提出一种实现数字图像放大的新方法.该方法对原图像进行内插,采用距离函数和梯度函数作为权值对插入的像素赋值.算法简单、易于实现,且运算所需时间短.利用Matlab 6.5进行仿真,结果显示无论是整数倍放大还是分数倍放大,该算法均能得到比较理想的效果,放大后的图像清晰,且保留了原图像的边缘信息.     

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.     

基于边缘像素点分类和插值的图像放大新算法

提出了一种超分辨率图像放大的新方法.根据低分辨率图像上的边缘信息,对初始的一个小图像块依据其对应的低分辨率图像上的边缘点进行分类,并根据此分类对图像块中某些像素点进行重新插值,得到放大的高分辨率图像块.由于对图像中的边缘点进行了特殊的处理,所提出的方法可以提高放大图像的边缘部分的清晰度,克服传统图像放大中图像过于平滑的缺点,对图像进行很好的放大.     

一种基于图像融合的图像放大处理方法

提出了一种结合图像融合与小波变换的图像插值方法.首先利用一种常用图像插值方法获得初步放大图像,再将初步放大图像进行小波分解,源图像与小波低频子图进行直方图匹配后作为新的低频子图.将初步放大图像小波分解得到的不同方向的高频系数子图结合新的低频子图作为融合图像的多分辨率金字塔.最后进行小波逆变换得到融合图像,也即放大图像.实验结果表明该方法可提高图像插值的主客观效果,峰值信噪比相对常用方法可提高2dB以上.     

图像放大的偏微分方程方法

在分析一些常见的图像放大方法的基础上,根据图像像素值特点及近期偏微分方程在图像处理中的应用,将图像的像素值看作是平面物体的温度;利用偏微分方程理论中的热传导数学模型,提出了基于一种新颖的热传导方程初边值问题的图像放大法;并根据其物理意义,设计相应的差分算法．实验证明,这是一种有效的图像放大方法．     

一种基于小波分量相似性的图像放大方法

图像放大技术在许多方面有着重要的应用,本文提出一种基于小波回归的图像放大技术。该方法主要分为三步：首先将待放大图像进行小波分解,其次对分解后各个频带的分量采用不同的放大方法,（即低频分量用原始图像代替,其它三个高频分量用不同分辨率图像的分量相似性方法得到）,最后利用小波逆变换得到放大结果。实验结果表明该方法是行之有效的。     

基于曲线曲面演化的图像放大方法

用Snake内部能量作为图像水平线的先验模型,其梯度下降流是一个关于图像水平线的演化方程。由这个演化方程,利用曲面演化和其水平线演化之间的关系,得到关于图像曲面的演化方程。用这个曲线曲面演化方程进行图像放大,其几何意义是在空间Wv,s中选择使图像的Snake内部能量最小的放大方法。实验表明,该方法在相当的时间内可以得到更清晰的放大结果。     

约束点模型的图像放大方法

对经典的双线性及双三次插值图像放大法进行改进,提出一种基于约束点模型的图像放大方法,即在5×5邻域内约束10个像素点进行图像内部放大及在3×3邻域内约束6个像素点进行图像边界放大。该方法改善了图像特别是边缘部分的模糊现象。建立的图像质量评价体系证明了该方法得到的放大图像质量有了明显的提高。     

一种基于Bezier插值曲面的图像放大方法

章提出了一种利用Ｂｅｚｉｅｒ插值曲面进行图像放大的方法,该方法是为数字图像的第一个色彩分量构造一个分块双三次Ｂｅｚｉｅｒ插值Ｃ＾１曲面的 图像放大等价于以不同的采样速度地该曲面进行采样的过程,实验结果表明,该方法可以大大改善放大图像的效果。     

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.     

基于加权ENO的图像放大算法

E.Arandiga的图像自适应插值方法在图像边界区域使用了ENO方法进行插值。通过比较差商的绝对值的大小自适应地选择模板,尽量避免所选择的模板中包含间断,有效地抑制了Gibbs振荡,但仍有很多不足。为弥补ENO方法的缺点,提高插值方法的精确度,提出基于加权ENO的图像放大方法。基本思想是将图像的离散化形式看成图像在单元网格上的平均值,先判断每个单元中是否存在图像边界,在图像边界区域使用加权ENO方法插值图像,在光滑区域使用线性平均插值。该放大方法能得到比FArandiga的图像自适应插值方法更高阶的精度。     

基于总变差的图像放大和增强方法

利用小波的多分辨分析和总变差极小原理,提出了一种实现图像放大和增强的新方法。该方法把原图像作为放大图像的小波子带,对放大图像强加了一种小波系数型的限制。放大图像利用图像总变差极小模型进行正则化。经求变分产生带限制的非线性扩散方程作为总变差极小的必要条件,求解偏微分方程得到增强的放大图像。对人工合成图像、医学MRI心脏切片和人物图像进行了实验。实验结果说明该方法同时实现图像放大和增强的有效性。     

自适应耦合方向扩散和冲击滤波的图像放大

提出一种新的基于偏微分方程（PDE）的图像放大算法。算法模型由方向扩散、保真项和冲击滤波构成。通过设置与边缘信息有关的保真项系数,调节图像被模糊的程度,保留图像特征;综合调节扩散方程和冲击滤波的权重,实现两种PDE的自适应耦合。由于运用连续函数,结合图像内容调节两种PDE的权重,避免了在放大时出现人工痕迹。实验结果表明,此算法在客观指标和主观效果上均优于传统双线性插值和其他同类方法,是一种有效的图像放大算法。     

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。     

局部几何结构驱动的图像插值放大及超分辨率复原

众所周知,图像插值是根据一幅低分辨率噪声图像重建相应高分辨率清晰图像的数字图像处理技术。虽然已有一些文献报道了多种图像插值算法,然而现有算法在插值视觉效果和计算复杂度两者间往往难以实现均衡,为此,提出了一种局部几何结构驱动的偏微分方程(PDE)图像插值算法。该算法通过耦合边缘、纹理和角形3种不同几何结构的扩散机制来进行插值,插值结果表明,该算法不仅具有抗噪声性能,而且能够同时增强边缘、纹理以及角形结构。考虑到图像的超分辨率复原与插值放大在数学本质上的一致性,特将上述PDE应用推广到图像的超分辨率复原,并且针对高强度噪声情形下,超分辨率图像中出现的伪纹理结构,提出了一种耦合全变差模型的改进的PDE。实验结果表明,不论是插值放大图像,还是超分辨率复原图像都具有较高的视觉质量和峰值信噪比。     

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.     

基于形态学和自适应模糊内插的红外图像放大

提出一种有效的红外图像放大算法，该算法和常用的基于双线性内插进行图像放大的算法有所不同．文中算法首先采用基于形态学的预处理算法对红外图像进行预处理；以使得边缘定位更容易；然后采取一种自适应模糊内插算法进行图像放大，该算法克服了一些基于双线性内插算法进行图像放大的算法的缺点；最后，给出文中算法和基于双线性内插算法进行图像放大的算法的实验结果．实验结果表明，文中算法有效地提高了放大图像的质量．     

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。