多尺度有理分形的图像插值算法

目的图像插值是图像处理中的重要问题,为了提高纹理图像的放大质量,结合以往的有理函数的插值算法,提出一种新的基于有理分形函数的图像插值算法。方法对于输入图像,首先,运用中值滤波和直方图均衡化对输入图像预处理;其次,通过毯子覆盖法求出图像的多尺度分形特征值,进行纹理区域和平滑区域的划分;最后,在纹理区域采用有理分形插值函数,在平滑区域采用有理插值函数。结果对于一般图像,本文算法与NARM(nonlocal autoregressive model),NEDI(new edge-directed interpolation)相当,在纹理区域较多的图像中,本文算法在峰值信噪比(PSNR)和结构相似性(SSIM)数值上较对比算法进一步提高,在视觉效果上,图像对比度明显增强,在Barbara,Truck等的对比图像中,峰值信噪比均提高了0.5 1 dB。结论本文插值算法利用多尺度分形特征将图像划分区域,在不同区域采用不同的插值模型。优化模型参数使得插值质量进一步提高。实验表明本文算法能够对纹理和非纹理区域有效划分对纹理的信息保持优于传统算法,获得了较好的主客观效果。     

基于NSCT的区域自适应图像插值算法

提出一种基于非下采样轮廓波变换(nonsubsampled contourlet transform, NSCT)的分区域自适应插值算法,将图像划分为不同区域,相应地采用不同的方法实现图像插值.首先,构造了一类有理函数插值模型,分析了其C\\+2连续性条件,给出了误差估计.其次,通过NSCT捕获到图像的边缘轮廓信息,利用其高频信息的统计特性设定阈值,根据阈值将图像自适应地划分为边缘区域和非边缘区域.最后,边缘区域采用新的基于边缘指导的插值(new edge-directed interpolation, NEDI)模型,非边缘区域采用C\\+2连续有理函数模型插值,进而得到目标图像.实验结果证明:提出的基于NSCT的区域自适应插值算法与当前经典插值算法相比,在处理图像纹理细节和边缘方面具有明显优势,同时获得了较好的客观评价数据,且时间复杂度较低.     

基于纹理特征的自适应插值

在传统有理插值函数的基础上构造出一种新的混合插值模型.该混合插值模型是有理函数与分形插值函数的有机整体,可由形状参数和尺度因子唯一确定.由于分形是刻画图像复杂度的有效工具,引入分形维数描述纹理的复杂程度.首先,提出一种基于局部分形维数的自适应阈值选取的方法,将整幅图像划分为纹理区域和非纹理区域.在纹理区域采用有理分形函数插值,在非纹理区域采用有理函数插值.尤其在有理分形插值模型中,提出一种基于分形维数的精确计算尺度因子的方法.最后,通过优化形状参数进一步提高插值图像质量.实验结果表明：提出的基于图像特征的混合插值模型与当前经典算法相比,尤其是在处理纹理图像方面,具有明显优势.