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。     

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。     

一种基于双曲正切函数的自适应图像放大算法

针对图像放大后出现边缘模糊的现象,论文考察了典型边缘的特征,利用图像的梯度信息和双曲正切函数的性质,提出了一种较好地拟合任意方向、陡度和幅度的边缘,因此能够保持边缘锐度的自适应图像放大算法。实验结果表明该算法的有效性。     

基于局部插值的双三次图像放大

以距离和边缘特征为约束,提出构造分片定义的双三次多项式曲面实现图像放大 的新方法,分为构造拟合曲面和修正曲面。以距离和边缘为约束构造对小邻域上像素拟合的二 次多项式采样曲面,所有二次多项式采样曲面加权组合生成分片定义的双三次多项式整体曲面。 由放大图像计算误差图像,由误差图像构造修正曲面的技术,进而提高放大图像精度和视觉效 果。为减少构造二次多项式的计算量,提出对二次多项式系数分类计算算法,能够实现对图像 任意倍数的放大。实验结果表明,该方法不仅提高了放大图像的峰值信噪比(PSNR)、结构相似 度(SSIM)数值精度,也提高了图像的视觉效果。     

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．     

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.     

热扩散和整体变分模型自适应调整的图像放大模型

近年来基于偏微分方程的图像处理因其具有更强的局部自适应特性和高度的灵活性而成为继小波图像处理之后新的研究热点。本文在对热扩散模型和TV（Total Variation）模型分析的基础上,针对二模型在图像平滑区域及边缘或纹理区域扩散所表现出的不同特性和优势,提出一种基于图像局部特性的自适应混合图像放大模型,该模型以双线性插值后的放大图像为初始值,根据像素点梯度特性在平滑区域和边缘或纹理区域自适应的调整扩散模型,使得在平滑区域进行热传导的同性扩散,而在边缘和纹理区域处则进行沿与梯度方向相垂直的方向扩散。该模型很好的抑制了图像插值放大后所带来的块状效应,以及放大后边缘或纹理区域的假边缘现象。理论上证明了所提出模型解的存在性,同时大量的仿真实验验证了所提出模型的有效性。     

气象图像放大补偿技术研究

气象图像都是卫星远程采集的,图像放大后,气象图像像素个数不变,造成像素变形,变形后的像素很容易被破坏,导致放大后的气象图像清晰度不高,为此,提出一种基于滤波插值的放大图像处理算法;通过滤波计算,过滤放大后图像多余的噪声,然后对变形像素进行插值计算,补偿由于显示区域变大导致的像素变形,完整像素数量不足的缺陷,克服由于放大造成的图像清晰度下降的弊端;实验结果表明,该方法能够大幅提高气象图像放大后的清晰度,具有很强的实用性和推广价值。     

航空相机操纵器中图像放大研究

针对航拍图像的复杂性和不规则性,文中采用分形插值的方法对图像进行放大.实验证明,该方法既能克服线性插值的缺点,同时还能保持原图像的精细的纹理特征,得到比传统的插值方法更高的精度.     

一种含参数的双线性有理插值的图像缩放方法

通过一种基于函数值的分母与分子均为一次的线性有理插值函数构造出带参数的叹线性有理插值函数,该函数形式简单,灵活度高。利用该函数提出了一种新的图像插值算法,实验表明,该方法控制灵活,能有效实现图像的缩放。     

非局部的变分正则化图像放大算法

针对Chambolle图像放大模型存在分块效应,提出一种非局部的变分正则化图像放大算法。该算法的思想是构造一个适用于图像放大的变分泛函,该泛函由正则项和数据保真项构成,其中图像的正则项是用非局部全变差范数进行估计,进而用迭代投影方法求泛函的最小解,即为放大后的图像。与传统的图像插值方法不同,该算法是用变分的思想进行图像放大,非局部全变差的引入更使得该算法不只是利用图像的单个像素点,或某一邻域内的灰度和梯度信息进行放大,而是更大范围地利用了图像本身的信息,这将更有效地保留图像特征,避免了Chambolle方法在图像放大时出现的分块效应。实验结果表明,该算法能更好地保留边缘和细节信息,放大图像的清晰度比Chambolle图像放大方法和样条插值的效果要好。     

自适应图像缩放的切触有理混合插值算法

分析了切触混合有理插值的基本特性,同时研究了图像缩放时边缘区域产生模糊的原因,并考虑到数字图像实时传输的要求,给出了一类新的自适应图像插值算法。由于采用颜色分段的处理方法,根据不同类型的颜色区域,分别采用Salzer连分式和扩展的Newton多项式逼近Sinc函数。提出的算法尽可能保持了边缘像素原有特征。数值模拟与仿真显示该方法比传统方法有更清晰的边界。     

基于区域划分的快速图像插值算法

图像插值是将低分辨率图像放大后提高视觉效果的有效方法,传统算法中有较简单且算法复杂度小的方法,但插值后的图像常常有锯齿边缘或者效果模糊,因而实际应用并不广泛。为克服以上缺陷,提出了一种先将图像进行区域划分,然后再进行快速图像插值的算法,既保证了算法较低的复杂度,又优化了图像显示效果,适合实际应用。     

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。     

基于多尺度Retinex的自适应图像增强方法

介绍了一种基于MSR的自适应图像增强的方法,能够较好地自动处理由于云雾、雨天等天气原因和光照不足导致的景物不清、视觉质量差和对比度低的图像,提升多种类型的图像视觉质量.通过对实验的结果以及算法的普适性进行比较和分析,证明了该方法是有效的.     

最大差值图决策的低照度图像自适应增强算法

应用于光照分布不均的低照度图像,传统的图像增强算法会出现色彩失真、亮区过度增强等问题,因此提出一种最大差值图决策的低照度图像自适应增强算法。首先,提出最大差值图的概念,通过最大差值图粗略估计出初始光照分量;然后,提出交替引导滤波的算法,利用交替引导滤波对初始光照分量进行校正,实现光照分量的准确估计;最后,设计了图像亮度自适应的伽马变换,能够根据获取的光照分量自适应调整伽马变换参数,从而在增强图像的同时消除光照不均带来的影响。实验结果表明,增强后的图像有效消除了光照分布不均带来的影响,图像亮度、对比度、细节表现能力和色彩保真度都得到了明显提升,平均梯度提升了1倍以上,信息熵提升了14%以上。由于提出的算法对光照分量估计准确,自适应伽马变换针对低照度图像进行了优化,因此,对于夜间等弱光源条件下的彩色图像具有十分有效的增强效果。     

自适应图像插值改进算法

Hao-Cecilia图像插值算法能消除边缘锯齿,但只能进行2倍插值。针对该问题,提出一种改进的线性图像插值方法。对图像插值变分正则化约束的欧拉方程用泰勒展开式进行离散化,使插值沿着图像水平线方向进行,消除插值图像边缘的锯齿现象并抑制模糊。实验结果显示,该算法能产生良好的视觉效果,使客观评价指标(峰值信噪比)得到较大提高。     

基于粒子预测的自适应图像匹配目标跟踪算法

在基于自适应图像匹配跟踪算法上研究了让其结合粒子预测及对模板图像更新的综合算法,对非线性、非高斯问题进行了位置预测,针对Hausdorff算法计算量大的问题,采取了更新结合的方法,改变并对自适应图像匹配跟踪算法的匹配跟踪性能进行分析.实验结果表明,纳入粒子预测的自适应跟踪算法既继承了相关跟踪直观实用的特点,有效的克服障碍物的遮挡问题,又具有较高匹配跟踪稳定性.     

基于密切多项式近似的多项式插值算法框架

多项式插值技术是近似理论中一种常见的近似方法,被广泛用于数值分析、信号处理等领域。但传统的多项式插值技术大多是基于数值分析与实验结果相结合得到的,没有统一的理论描述和规律性的解决方案。为此,根据密切多项式近似理论为图像的多项式插值算法提出一个统一的理论框架。密切多项式近似的理论框架包括采样点数目、密切阶数和导数近似规则三个部分,它既可以用于分析现有的多项式插值算法,也可以用于开发新的多项式插值算法。分析了主流多项式插值技术在密切多项式近似理论框架下的表现形式,并以四点二阶密切多项式插值算法为例详细描述了利用密切多项式插值的理论框架开发新的多项式插值算法的一般流程。理论分析和数值实验表明大多数主流插值算法都属于密切多项式插值算法,它们的处理效果与采样点数目、密切阶数和导数近似规则有紧密的关系。