结合两种回归模型的图像插值算法研究

为了更好地保护图像的局部结构和提高图像插值算法的鲁棒性,结合基于几何对偶性的普通最小二乘和基于非局部均方的加权最小二乘来统计稳态区域形态,并基于该模型提出了一种改进的图像插值算法。算法首先采用非局部均方估计加权最小二乘模型系数,同时用核岭回归作为正则化项进行系数修正,考虑到核岭回归的有偏性,将基于边缘的普通最小二乘模型作为正则化项引进图像插值算法中,并对正则化参数进行自适应调整。与采用单一回归分析的插值算法相比较,该算法不但有效抑制了插值图像的边缘模糊和锯齿现象,而且插值结果具有较高的峰值信噪比和结构相似度。     

改进的核回归图像恢复

Steering核回归是一种自适应的、有效的图像恢复方法,在图像去噪、放大和去模糊中都得到了广泛应用。但此模型以高斯函数为核函数,故得到的恢复图像边缘,尤其是细小边缘常常会因过分平滑而模糊。提出基于鲁棒统计的各向异性核回归图像恢复模型,该模型在Steering核回归模型基础上,结合各向异性距离,以鲁棒统计权函数代替高斯核函数。大量图像恢复实验结果显示,与Steering核回归方法相比较,所提出方法得到的恢复图像质量显著提高,尤其是在细小边缘保持方面更具有明显优势。     

基于再生核W空间的图像插值算法

提出了一种基于再生核的图像插值方法.再生核源于不同学科分支,已成为函数逼近的重要工具.该方法将再生核的再生公式离散,并按照证明的再生核数值积分方法导出了新型的图像插值算法.新插值算法的优点是利用再生核的数学模型特点保持图像的边界信息和光滑性,促进了插值的整体性能.实验结果表明:该算法能够克服其它算法的缺点,获取的高分辨率图像既能够保持图像的边界信息,又能保证图像的光滑性.     

基于再生核滤波器的边缘保护图像插值方法

图像插值是数字图像处理中的一个关键问题,提出一种基于再生核的滤波器的图像插值方法。在H²（R）空间中,可以构造出再生核滤波器并推出插值公式。根据范数理论,再生核滤波器具有良好的逼近效果。实验结果表明：该算法能够克服其它算法的缺点,获取的高分辨率图像既能够保持图像的边界信息,又能保证图像的光滑性。     

参数优化的有理函数图像插值算法

有效保持图像纹理细节,且使图像边缘区域不失真一直是图像插值技术的一个难题,为此提出了一种基于参数优化的有理函数图像插值算法.首先,构造一类含有可调参数的C2连续有理插值函数;其次,基于插值函数的收敛性分析,利用区域采样和点采样的映射关系,构建参数优化目标函数;最后,利用误差极小化迭代方法获取最优参数,进行图像插值.实验结果表明,该算法时间复杂度较低,且能够有效地保持图像细节信息,消除边缘锯齿现象,具有较高的插值图像质量.     

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。     

小波支持向量机在SAR图像降噪中的应用

基于支持向量回归理论和小波支持向量核函数,提出了一种新的SAR滤波方法。首先对支持向量回归方法做了分析,通过对复杂信号进行逼近实验,验证了其应用于图像滤波的可行性和合理性。之后将SAR图像看成是一个二维连续信号,将对复杂信号具有更好逼近能力的小波支持向量核函数用于SAR图像滤波,小波核函数由Morlet小波构建。实验结果表明本文提出的方法能很好的降低SAR图像噪声,而且能比传统方法更好的保持边缘。     

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ERBF核函数和边界填充的图像插值算法

受传统算法的启发,根据图像相邻像素的关联性,扩充图像边缘像素,采取首行与首列（或者末行与末列）填充的方法,利用ERBF核函数做已知像素点的曲线拟合,解决了采样点中不包含原始图像像素点的缺陷。试验表明,基于ERBF核函数和边界填充的图像插值算法,对原始图像进行隔行隔列抽取25%的像素点得到的低分辨率图像,插值后生成的高分辨率图像和原始图像相比,性能参数PSNR高达33.81dB,高于目前的插值算法,没有阈值选择的困扰。而且,该文提出了用差值图AMI来分析不同算法插值生成图像的比较方法。     

基于导向核模糊C均值的图像分割方法

为解决传统模糊聚类在图像分割中无法保持边缘和抗噪声的问题,提出了一种基于导向滤波与核模糊聚类的图像分割方法。该方法利用线性时不变滤波过程,在图像分割过程中抑制噪声的同时保持边缘。为了表征图像数据间的非线性关系,该方法利用核函数将像素的模式空间映射到高维特征空间。笔者所提出的方法具有保证图像分割过程中保持边缘和噪声抑制的鲁棒性,且易于实现。     

Anisotropic Probabilistic Neural Network for Image Interpolation

This study proposes a novel image interpolation method based on an anisotropic probabilistic neural network (APNN). The proposed method uses an anisotropic Gaussian kernel to improve image interpolation, which causes blurred edges. The objective of this anisotropic Gaussian kernel-based probabilistic neural network is to provide high adaptivity of smoothness/sharpness during image/video interpolation. This APNN interpolation method adjusts the smoothing parameters for varied smooth/edge regions, and considers edge direction. This APNN uses a single neuron to estimate sharpness/smoothness. The proposed method achieves better sharpness enhancement at edge regions, and reveals the noise reduction at smooth region. This study also uses interpolating a slanted-edge image to reveal blurring and blocking effects. Finally, this study compares the performance of these proposed methods with other image interpolation methods.     

基于高斯模糊的CNN的单幅图像超分辨率重建算法

近几年卷积神经网络在单幅图像超分辨率重建工作中取得了很大的进步,但是大部分基于卷积神经网络(CNN)的单幅图像超分辨重建算法是建立在低分辨率图像由高分辨率图像通过双三次插值法下采样取得的前提下,当这个假设不成立时,图像重建的客观评价指标PSNR以及主观的视觉效果就会较差.针对此问题,提出一种基于高斯模糊的CNN的单幅图...     

基于暗通道先验和核回归的图像去雾研究

在雾霾天气条件下,由于大气粒子的散射作用导致观察到的图像质量在一定程度上有所下降。本文提出一种基于暗通道先验知识和局部多项式核回归的图像去雾方法。首先,根据暗原色先验原理估计出大气光强度和初始透射率。其次,采用局部多项式核回归对透射率进行平滑和细化。最后,利用细化后的透射率和估计的大气光强度恢复雾天图像。实验结果表明,采用该方法可以有效地实现去雾。与目前最先进的方法相比,处理后的图像保留了更多的细节信息,且提高了图像清晰度。     

参数自适应的半监督复合核支持向量机图像分类

半监督复合核支持向量机在构造聚类核时,普遍存在复杂度高、不适于大规模图像分类的问题;且K均值(K-means)图像聚类的参数难以估计。针对上述问题,提出基于均值漂移(Mean-Shift)参数自适应的半监督复合核支持向量机图像分类方法。结合Mean-Shift对像素点进行聚类分析以避免K-means图像聚类的局限性;利用图像的结构特征自适应算法参数以避免算法的波动性;由Mean-Shift结果构造Mean Map聚类核以增强同一聚类中的样本属于同一类别的可能性,使复合核更好地指导支持向量机对图像分类。实验验证了改进的聚类算法和参数取值方法可以更好地获取图像的聚类信息,使算法对普通图像和加噪图像的分类正确率较对比的半监督算法一般情况下提高1~7个百分点,且对于较大规模图像也有一定适用性,能够更高效、更稳定地进行图像分类。     

多帧融合自适应核回归图像去噪

图像去噪是数字图像处理的重要内容,常用的传统方法包括空域中值滤波和维纳滤波,近年来基于小波变换、核回归等的去噪方法备受关注,基于单帧处理的实验发现核回归方法有更好的去噪效果。在理论上将核回归方法推广到多帧情况,并进行了对比实验,结果表明多帧处理能够进一步改进去噪效果。