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。     

有理分形曲面造型及其在图像超分辨中的应用

曲面构造是计算机辅助几何设计的一个关键问题。为了使建模曲面在实际应用中更加灵活、有效,提出一种有理分形曲面的构造方法,并基于该模型给出一种单幅图像超分辨率重建算法。首先,将分形插值函数视为高度函数的分形扰动,给出了一种双变量有理样条迭代函数系统,由此生成有理分形曲面;其次,研究了有理分形函数的一些分析性质,给出了有理分形曲面的计盒维数;最后,将该模型及其理论结果应用于单幅图像的超分辨率重建,提出一种重建算法。该算法先通过非下采样轮廓波变换将图像划分为边缘区域和非边缘区域;然后借助于维数公式精确计算尺度因子,利用模型的多样性对不同区域采用不同的模型进行插值,非边缘区域采用有理函数模型,边缘区域采用有理分形插值函数模型;最后通过适当的变换得到目标图像。实验结果表明了所提模型和算法的有效性,其在处理图像纹理细节和边缘方面优于对比算法,特别是在保持图像的结构信息上具有较强的竞争力,同时获得了较好的客观评价数据和主观视觉效果。     

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.     

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。     

图像配准中确定性扰动PV插值算法

基于互信息的图像配准方法具有自动化程度高、配准精度高等优点，已被广泛应用于医学图像的配准，图像插值是图像配准过程中一个十分关键的步骤，详细分析了各类插值算法的优缺点，提出了一种确定性扰动PV插值算法，在利用PV插值时考虑了随机扰动涉及到扰动点周围9个网格点，并且通过扰动确定化计算PV插值法的权值．实验结果表明：该算法能够避免网格点和非网格点上的局部极值，有效地改善了基于互信息的目标函数的性能，使函数更加平滑。     

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。     

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。     

简单有效的小波域图像插值放大算法

提出一种基于Cycle-Spinning的小波域图像插值放大算法。Cycle-Spinning技术已证明是小波去噪中消除伪Gibbs效应的有效方法,将低分辨率图像作为高分辨率图像的低频子带,将高频系数置零,再进行反变换,得到高分辨率图像的初始估计。在此基础上,利用Cycle-Spinning技术处理得到高分辨率图像,很好地消除了边缘锯齿现象。经实验仿真,并与传统及改进插值算法比较,提出的算法简单、快速、有效,使放大后的图像无论在边缘处还是平滑区域均能达到理想的效果。     

针对鱼眼图像边缘校正缺失的快速校正算法

针对鱼眼图像校正中水平方向畸变以及边缘缺失的问题,通过引入可控参数控制边缘部分的校正范围,同时融合三角计算以及参数变换,获取校正关系,使映射面与鱼眼图像达到最佳匹配结果.获取校正关系后运用双线性插值算法对校正图像进行插值运算以填充图像.实验表明,算法对视图主要区域和边缘部分畸变的校正取得较好效果,边缘部分信息流失较少,主视图区域畸变角度明显减小,校正后图像与未畸变源图像相比结构相似性高,尽可能大的保留鱼眼图像信息,算法效率提高,算法运行时间缩短近50%.该鱼眼图像校正算法在校正效率以及校正效果上都有显著提高,具有可行性和有效性.     

多层次轮廓约束的图像放大算法

为解决图像放大过程中有效地保证边缘锐化的图像插值难题,提出多层次轮廓约束的图像放大算法.首先利用检测算子对图像进行预处理,将图像分为边缘区域、平坦区域;其次,针对图像边缘区域进行自适应梯度扩散获取适当的边缘轮廓层作为图像放大约束;最后对轮廓层直接进行曲线插值重采样,不额外增加边缘层数,以保证放大后的图像在视觉上的边缘清晰.对于非轮廓层的平坦区域,构建双三次Coons插值曲面并进行重采样,保持了平坦区域的平滑性.测试图像为自然图像和医学图像,自然图像的来源是set5和set14测试集,实验对比方法主要从客观效果、视觉效果、时间复杂度3个方面进行比较.实验结果表明,采用该算法得到的放大图像不仅可以保持轮廓清晰,且PSNR及SSIM指标超过了大多数经典的插值算法以及目前流行的基于机器学习的算法.     

基于HVS分类及邻域搜索的快速分形图像编码

针对基本分形图像编码算法时间过长的问题,提出了一种基于HVS分类及邻域搜索的快速算法。根据HVS特性将子块分为平滑类子块和非平滑类子块,对于平滑类子块直接存储其均值,以减少需要搜索匹配父块的子块数;对于非平滑类子块,从离其最近的父块开始搜索,在搜索父块时,剔除与当前子块的近似度不满足要求的父块,并引入误差阈值和搜索父块的最大次数来控制子块的搜索过程。实验结果证明,该算法大大提高了编码速度。     

Image Smoothing Based on Image Decomposition and Sparse High Frequency Gradient

Image smoothing is a crucial image processing topic and has wide applications. For images with rich texture, most of the existing image smoothing methods are difficult to obtain significant texture removal performance because texture containing obvious edges and large gradient changes is easy to be preserved as the main edges. In this paper, we propose a novel framework (DSHFG) for image smoothing combined with the constraint of sparse high frequency gradient for texture images. First, we decompose the image into two components: a smooth component (constant component) and a non-smooth (high frequency) component. Second, we remove the non-smooth component containing high frequency gradient and smooth the other component combining with the constraint of sparse high frequency gradient. Experimental results demonstrate the proposed method is more competitive on efficiently texture removing than the state-of-the-art methods. What is more, our approach has a variety of applications including edge detection, detail magnification, image abstraction, and image composition.     

基于HVS分类及邻域搜索的快速分形图像编码

针对基本分形图像编码算法时间过长的问题,提出了一种基于HVS分类及邻域搜索的快速算法。根据HVS特性将子块分为平滑类子块和非平滑类子块,对于平滑类子块直接存储其均值,以减少需要搜索匹配父块的子块数;对于非平滑类子块,从离其最近的父块开始搜索,在搜索父块时,剔除与当前子块的近似度不满足要求的父块,并引入误差阂值和搜索父块的最大次数来控制子块的搜索过程。实验结果证明,该算法大大提高了编码速度。     

一种图像放大的偏微分方程综合模型

针对传统图像放大处理过程中基于线性插值方法通常导致边缘模糊问题,分析了各向同性扩散模型和各向异性扩散模型在图像处理中的优缺点,提出了一种线性扩散和P-M方程自适应结合的图像放大综合模型。该模型对图像非平滑区域采用各向异性扩散模型处理,而平滑区域则采用各向同性扩散模型处理。实验结果表明,该综合模型在保持图像边缘锐度的同时提高了图像的清晰度,能够有效提高放大图像的主观视觉质量和客观SNR及PSNR。     

Bregmanized Domain Decomposition for Image Restoration

Computational problems of large-scale data are gaining attention recently due to better hardware and hence, higher dimensionality of images and data sets acquired in applications. In the last couple of years non-smooth minimization problems such as total variation minimization became increasingly important for the solution of these tasks. While being favorable due to the improved enhancement of images compared to smooth imaging approaches, non-smooth minimization problems typically scale badly with the dimension of the data. Hence, for large imaging problems solved by total variation minimization domain decomposition algorithms have been proposed, aiming to split one large problem into N>1 smaller problems which can be solved on parallel CPUs. The N subproblems constitute constrained minimization problems, where the constraint enforces the support of the minimizer to be the respective subdomain. In this paper we discuss a fast computational algorithm to solve domain decomposition for total variation minimization. In particular, we accelerate the computation of the subproblems by nested Bregman iterations. We propose a Bregmanized Operator Splitting–Split Bregman (BOS-SB) algorithm, which enforces the restriction onto the respective subdomain by a Bregman iteration that is subsequently solved by a Split Bregman strategy. The computational performance of this new approach is discussed for its application to image inpainting and image deblurring. It turns out that the proposed new solution technique is up to three times faster than the iterative algorithm currently used in domain decomposition methods for total variation minimization.     

Surface approximation via sparse representation and parameterization optimization

Surface approximation with smooth functions suffers the problems of choosing the basis functions and representing non-smooth features. In this work, we introduce a sparse representation for surfaces with a set of redundant basis functions, which efficiently overcomes the overfitting artifacts. Moreover, we propose an approach of parameterization transformation, which makes the possibility to represent non-smooth features by the composition of a smooth function and a non-smooth domain optimization. We couple the sparse representation and the parameterization transformation in a global optimization to respect sharp features with smooth polynomial basis functions. Our approach is capable for approximating a wide range of surfaces with different level of sharp features. Experimental results have shown the feasibility and applicability of our proposed method in various applications.     

基于向量机的图像插值算法研究

为了更好地进行图像插值，可首先利用最小二乘向量机对原始图像的局部区域进行灰度曲面最佳拟合，然后在拟合曲面上进行未知像素点的灰度值估计，同时提出了运用测试图像进行参数优化的方法，并以径向基核函数为例导出了区域图像的插值系数矩阵，进行了图像放大插值实验验证。实验结果表明，基于支持向量机的图像插值算法具有很强的适应性，其性能与Cubic技术相当，但效率更高。     

基于平均偏差的快速分形图像编码

针对基本分形编码方法耗时过长的不足,提出了一种基于平均偏差的快速算法.首先对所有父决按平均偏差排序,然后将子块按标准差分为平滑块和非平滑块,对于平滑子块直接存储其均值;对于非平滑子块,在以其平均偏差意义下的最近邻父块为中心的邻域内搜索最优匹配父块,并且引入误差阈值控制子块的搜索过程.实验表明,较之基本分形编码算法,所提快速算法的编码速度大大提高,并且优于基于形态特征的快速算法.