改进的图像自适应梯度插值

传统的图像插值算法存在边缘模糊和边缘锯齿,已有改进算法改善了插值图像质量,但存在斜边缘锯齿或局部扭曲变形等问题。为解决上述问题,提出了改进的图像自适应梯度插值。该方法首先根据图像的局部不对称性和局部梯度特征在1维方向上修正插值点空间距离,并将1维修正结果合并到2维空间,然后将修正的空间距离应用到传统的插值算法中。实验结果表明,该方法改善了插值图像的峰值信噪比,有效保护了图像在各个方向上的边缘信息。     

基于局部梯度特征的自适应多结点样条图像插值

为了获得质量更好的插值图像，提出了一种新的C^2。连续的支撑区间为（-2，2）的三次多结点样条插值核函数．通过增加结点带来的自由度构造了多结点样条插值公式；分析了在适当的边界条件和约束下三次多结点样条插值的逼近阶；将一维多结点样条插值算法推广到二维，建立了用于图像数据的插值公式；如果忽视图像的局部特征，通常双三次多结点样条插值图像的边缘会有模糊的现象，为此。对多结点样条插值应用逆梯度，得到了自适应多结点样条插值算法；实验所得误差图像和实验所得图像的峰值信噪比也证实了用自适应多结点样条插值算法重建的图像具有更高的质量．     

基于互信息图像配准中的局部极值问题研究

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,近年来在医学图像配准中得到广泛应用。但是当变换后像素坐标位于非采样网格点时,插值算法有时会使目标函数产生局部极值,使得最优化搜索终止于局部极值,得到错误的配准结果。分析了两种常见的插值算法和产生局部极值的原因,在此基础上提出一种新的插值算法。实验结果表明,该算法有效地抑制了基于互信息的目标函数的局部极值问题,使目标函数更加平滑。     

图像插值的多结点样条技术

为了获得质量更好的插值图像,提出了用具有紧支集的多结点样条基函数来进行图像插值的新技术,并首先将1维的多结点样条插值算法推广到2维,建立了用于图像数据的插值公式;然后分析了多结点样条插值方法的逼近精度、正则性、插值核函数的频域特性.对逼近精度、正则性、插值核函数频域特性的比较表明,该插值方法优于传统的三次卷积插值方法,实验结果也证实了用多结点样条插值算法重建的图像具有更高的质量.     

双二次B-样条插值图像缩放

双线性和各种双三次插值方法是图像缩放中常用方法,但是双二次插值函数却很少被人提起。本文提出了一种基于双二次B-样条局部插值的图像缩放方法,该算法在图像局部重构过程中对称地采用了4×4采样点,并通过对该函数进行重采样来实现图像的缩放,避免了二次函数在图像重构与采样中的相位失真问题,此算法是一个局部性算法,易于扩展。实验结果表明,本文算法得到的图像的峰值信噪比(PSNR)、MISSIM值比双线性插值、双三次卷积、Catmull-Rom三次插值、Dodgson插值算法都要好,接近于最好的双三次B-样条算法,视觉效果虽然不如双三次B-样条插值算法,但优于Dodgson方法,计算时间比双三次B-样条减少了近三分之一。由于该算法没有对图像边缘特征进行特殊处理,对于一些细节纹理比较丰富的图像,将进一步研究。     

图像插值模糊的非线性自适应消除

针对线性移不变图像插值方法造成的插值图像边缘模糊,提出采用具有高通特性的有理滤波器增强图像,重建锐变的图像边缘。对基本有理滤波算子进行改进,避免滤波信号峰值点和孤立点的失真。推广算子的二维形式并引入图像对比度约束,形成一种自适应图像插值模糊消除算法。实验结果表明,算法能够不失真地重建图像边缘的高频细节,提高图像的视觉分辨率,图像质量优于现有图像插值模糊消除算法。     

一种新颖的基于遗传算法的正则化图像插值方法

传统的图像插值方法，包括零阶插值或最近邻插值、双线性插值、立方样条插值等，是先经补零疏化、后经内插滤波实现的。由于这些内插滤波器不能完成理想的低通滤波功能，传统插值图像会增加一定的虚假内容，即导致方块效应、模糊等。另外．由于内插滤波器是确定的，因而这些插值算法就缺乏利用图像本身信息的机制。为了提高插值图像的质量和增强图像的分辨率，首次提出了一种基于遗传算法的正则化图像插值方法。在该遗传算法中，编码采用实值方式，变异采用“引导”方式，适应度评价函数的正则化项采用图像质量评价的一些客观标准。最后，还分析了在遗传算法中怎样直接调整正则化系数，并将实验获得的该正则化系数应用于相同实验条件下的迭代正则化插值算法中，取得了良好效果。实验证明，该方法实用、可行。     

一种改进的局部自适应数字图像放大算法

传统的插值算法通常会使目标图像边缘模糊,而基于2×2或4×4邻域的局部自适应算法虽然能保持图像边缘特征,但算法一般过于复杂,不便于硬件实现。提出的改进算法不仅对LAZA算法流程进行优化,而且使用中值滤波代替分类加权平均算法,既提高算法效率,也能保持图像的边缘特征。实验结果表明该算法在放大采用双三次内插获取的1/2图像有更好的效果,并利用边缘图像相关系数进一步验证该算法在保持图像的边缘特征方面优于传统插值算法。     

多模图像联合非局部滤波快速算法

提出一种新的基于非局部均值的多模图像滤波方法。在该方法中,对于噪声图像 滤波采用非局部均值方法,其中对于噪声图像块之间灰度相似测度权重由另一幅图像引导计算。 实验结果表明,该方法比基于局部的图像去噪方法如双边滤波算法有更好地去噪效果。通过构 造联合积分图像对提出算法进行加速,与原始算法相比其显著提速两个数量级,加速算法的复 杂度不受滤波器大小影响,易于在并行系统中实现。     

联合双边图像插值

传统的图像插值算法及其改进算法都存在边缘模糊、边缘锯齿或局部扭曲变形等问题。提出联合双边图像插值,首先采用传统插值算法对原始图像进行插值,将其结果作为导引图像对原始图像进行联合双边上采样,并给出其核函数方差的自适应确定算法。实验结果表明,与传统插值算法相比,该算法明显改进插值图像质量,与已有的绝大多数非线性改进算法相比还提高了插值速度。     

基于小波域分形编码的图像插值

传统的图像插值方案(包括最近邻插值、双线性插值和B样条插值等),大多是基于图像分块的光滑连续模型。由于该模型不能很好地描述自然图像的特点,因此插值得到的图像质量不高。为寻求更有效的插值方案,首次提出了基于小波域分形编码的插值算法。该算法在FW编码的基础上,首先利用图像的局部自相似模型,通过小波树的膨胀,并借助小波域的第1级子带,对超分辨率级的第0级子带进行最优预测,再经过小波反变换来得到插值图像。标准测试图像的实验表明,该插值算法与传统的双线性插值相比,不仅可以获得清晰的纹理和边缘,而且峰值信噪比也更高,因此插值得到的图像更加精确、真实。     

基于轮廓模板和自学习的图像纹理增强超采样算法

提出一种以轮廓模板插值和局部自学习相结合的图像纹理增强超采样算法,有效地恢复了插值图像丢失的细节纹理,抑制了插值图像边缘的扩散.该方法通过局部自相似性在原始低分辨图像中估计高频信息,对轮廓模板插值图像的细节纹理进行了恢复.其中,为了弥补轮廓模板插值缺少先验知识的缺陷,将原始低分辨率图像的高频信息作为先验知识.为了保证估计的高频信息最优,匹配的过程中采用双匹配,相比较于全局搜索和小窗搜索,提高了效率并保证了匹配精度.此外,使用高斯模糊代替了传统提取高频信息的方法,简化了算法的复杂度,提高了准确性和效率.对估计得到的高频信息采用高斯函数加窗,以减小估计出错和重叠区的混叠影响.本文算法的训练库由原始低分辨图像自身和插值图像构成,节省了生成训练库所需的时间和空间.训练库的简化使得高频信息的估计可以多尺度进行,算法效率得到进一步优化.理论分析和实验结果表明,相比传统的基于插值、基于自学习的图像超分辨率方法,本文方法获得更好的实验结果,主观效果得到明显改善,有效地恢复了图像的纹理细节,提高了图像边缘锐度,避免了产生锯齿等人工效应,客观指标得到提高.     

基于量子行为粒子群优化算法的图像插值方法

传统图像插值方法简单,容易实现,但经过插值后的图像会增加一定的虚假内容，导致图像模糊。为提高插值图像的质量和图像的分辨率，提出一种基于量子行为粒子群优化（QPSO）算法的图像插值方法。该方法利用QPSO算法在以传统插值图像为基础形成的解空间中，寻找符合目标函数的最优高分辨率图像。实验证明，该方法实用、可行，且能得到质量较好的插值图像。     

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。     

基于形状的三维图像匹配插值方法

现有的插值方法在进行断层图像插值时,要么不能兼顾灰度和形状的变化,要么计算量太大。为解决这一问题,文中提出一种基于形状的三维图像匹配插值算法。通过对已知两幅断层图像进行门限分割,得到各个密度物质的区域后,利用数学形态学的方法确定出插值图像每个分割区域的轮廓,然后在每个轮廓内运用匹配插值方法得到插值点的值,从而得到整个插值图像。新算法将图像的形状信息和灰度信息较好地结合起来,因此,插值出的图像不仅克服了不同密度物质边界模糊问题,而且也克服了传统的基于形状插值方法的缺点。与线性插值相比,新算法插值出的图像视觉效果好;与小波插值相比,新算法的计算量极大地减少。插值结果可有效地应用于构建三维体模型。     

一种改进的边缘方向插值算法

已有的边缘方向插值算法利用高低分辨率图像局部方差之间存在的对偶性实现自适应非线性插值。其性能明显优于传统线性插值算法，但图像边缘噪声可能仍然比较明显。为了获得更好的视觉效果。提出了一种改进算法。充分利用局部降采样像素之间的相关信息，用和被插点相邻的6个降采样像素估计高分辨率图像的局部协方差。该算法应用于灰度和彩色图像的分辨率增强，不仅降低了运算复杂度，而且有效地抑制了边缘噪声，进一步提高了插值图像的视觉质量。     

一种用于单CCD图像传感器的图像插值算法

由于物理结构的限制,单CCD图像传感器在每个像素位置上只能采集一个颜色分量,其余两个颜色分量只能通过插值的办法得到。提出一种在色差空间进行插值的算法,利用具有比例线性关系的局部颜色特性和局部协方差求得最小均方误差意义下的最优插值系数。所获取的该插值系数具有边缘细节保持性,同时色差空间的插值又考虑了不同颜色分量间的耦合性,因而有效地抑制了图像边缘的模糊和颜色失真。实验结果表明,该算法可获得高质量的插值图像。     

基于细分的图像插值算法

将基于法向的曲线细分技术应用到图像插值中，提出一种基于细分的图像插值算法．该算法无须建立中间连续图像模型，能自适应地插值，而且插值系数可为任意正实数．应用该算法插值后的边界清晰、自然，忠实地反映了原始图像的面貌．与传统的插值算法相比，其边界处理效果好，具有线性复杂度且易于实现．