基于D2样条插值和LOG算子的亚像素边缘检测

提出了一种基于 D2 样条插值和 LOG算子的亚像素边缘检测方法 .将被检测的图像块在 1 /2 p精度上行列分离分别进行一维 D2 样条插值 ,得到亚像素图像 ,然后将不同尺度的 LOG算子与之卷积 ,所得边缘图像经过边缘融合后得到亚像素边缘     

一种新的边缘图像插值算法

为了解决传统插值方法造成图像模糊、锯齿以及边缘细节信息缺失的问题,提出了一种新的边缘图像插值算法。该算法通过待插值像素点周围低分辨率像素之间位置和方向的特征计算其标准差并将其作为局部动态阈值,以此作为划分图像区域的比较阈值,将图像划分非边缘区域和边缘区域;然后对非边缘区域进行双线性插值,边缘区域进行自适应插值。实验结果表明,与传统的插值方法相比,该插值方法较好的保持了图像边缘细节信息,且具有较好的视觉效果。     

基于形态学梯度的亚像素边缘检测方法的研究

伴随着图像处理技术的不断发展,对于目标图像的边缘检测由像素级向亚像素级转变,为了能够得到目标图像相对比较清晰的边缘图像,在本文中首先使用一种改进的数学形态学梯度算法对目标图像进行像素级边缘检测,然后通过对已经得到的像素级边缘点进行样条插值,最终完成亚像素边缘检测,通过实验仿真能够观察出使用本文所研究检测方法能够得到清晰的边缘图像。     

一种基于图像边缘的插值算法

传统的图像插值方法会导致图像边缘模糊,为了得到更好的视觉效果,提出一种基于图像边缘的插值算法,在非边孽区域用传统的插值方法。在边缘区域把数字图像构造成连续曲面,重采样得到插值点的像素值。实验结果表明,该方法插值后的图像边缘清晰,且因非边缘区域用传统插值方法而降低了计算的复杂度。     

基于交替投影滤波器组的插值算法

在初始插值为边缘检测插值的基础上提出了交替投影滤波器组插值算法,提高了图像的信噪比,锐化了图像的边缘,减少了图像高频信息的错误像素的数量,提高了视觉质量,而且计算复杂度较低。     

基于几何分类的自适应图像插值算法

 图像插值是放大低分辨图像以适应目标屏幕的有效方法。低分辨率图像边缘特征保持越好,则插值图像的效果越好。根据低分辨图像的边缘分布特征对插值单元几何分类,提出了一种自适应图像插值算法。首先根据高分辨率图像中像素点的相对位置构造矩形插值单元和菱形插值单元,所有未知像素点位于矩形插值单元或菱形插值单元;然后从8个方向,特别是斜对角方向计算插值单元的图像边缘,并将边缘作为割线,根据割线对插值单元进行几何分类,可分为16类;最后根据未知像素点所属的插值单元分类计算未知像素值。实验证明,该算法比现有多种插值算法能够更好的保持图像边缘的尖锐特征。     

基于图像处理技术的尺寸测量中边缘定位算法

为了进一步提高图像的定位精度,设计了一种基于插值理论的精确定位细分算法.通过多尺度小波变换与三次样条插值相结合,实现了亚像素级的测量.基于多尺度边缘检测的小波边缘检测方法,既能对边缘进行准确定位,又可以有效去除噪声干扰,提高边缘检测的稳定性和准确性.三次样条插值函数是分段插值函数,算法复杂度低、段与段之间连接处平滑、具有快速收敛性和稳定性.将上述两种融合的边缘定位算法,可以对图像进行精确检测和测量,其精度达到0.001个像素.     

基于图像处理技术的尺寸测量中边缘定位算法

为了进一步提高图像的定位精度,设计了一种基于插值理论的精确定位细分算法.通过多尺度小波变换与三次样条插值相结合,实现了亚像素级的测量.基于多尺度边缘检测的小波边缘检测方法,既能对边缘进行准确定位,又可以有效去除噪声干扰,提高边缘检测的稳定性和准确性.三次样条插值函数是分段插值函数,算法复杂度低、段与段之间连接处平滑、具有快速收敛性和稳定性.将上述两种融合的边缘定位算法,可以对图像进行精确检测和测量,其精度达到0.001个像素.     

融合有限差分及梯度的Bayer-CFA插值方法

为了实现对边缘像素点的高精度插值,融合有限差分、图像梯度、图像相关性提出了一种先插值再修正的Bayer彩色滤波阵列(color filter array,CFA)插值方法Bayer-CFA。首先,把CFA图像中的已知像素点作为离散的网格节点,利用像素点间的空间相关性构造插值函数。然后,结合色彩相关性设计插值G像素的水平、垂直方向的插值算子,并用梯度信息建立两个方向的权重因子,实现G平面插值;再根据G像素点左右的已知R像素点的对称性及色彩相关性构建插值函数,应用色差公式完成R平面插值,并用与R平面插值相同的方法完成B平面插值。最后,对每个插值结果,在以其为中心的3×3邻域内进行梯度修正,采用梯度信息构造8个方向的权重因子,用像素点的空间位置决定加权系数,以消除不规则边缘及纹理引起的插值误差。仿真结果表明:相较于EET算法,Bayer-CFA的彩色图像峰值信噪比提高了0.57 dB,S-CIELAB空间的色差降低了0.23;Bayer-CFA在使用梯度修正后能减少伪彩色,沿边缘方向的插值有效削弱了锯齿现象,能保留图像的边缘纹理细节。     

一种改进的亚像素偏移算法研究

研究了一种改进的亚像素偏移算法,设置正切阈值,根据偏微分的比值和正负确定边缘点的梯度方向,然后在梯度图像中对已确定的单像素宽边缘点进行伪边缘抑制,最后沿其梯度方向进行梯度幅值函数的二次抛物线插值,计算亚像素偏移量。实验结果证明该算法实现速度快,检测精度良好,适用于精度要求不是非常高的情况下的工业自动化在线快速图像测量任务。     

基于图像统计特征的平移线性插值方法

针对平移线性插值算法存在的边缘锯齿问题,提出一种基于图像统计特征的平移线性插值方法.该方法利用图像插值前后边缘统计特征的相似性,从低分辨率图像中获取估算高分辨率图像边缘点所需的协方差矩阵和矢量,并对非边缘处图像进行平移线性内插,可以同时保持图像边缘的光滑性和非边缘处的细节特征.该方法无需迭代运算,计算量较小.实验结果表明,用该方法可获得高质量的高分辨率图像.     

一种边缘保护的灰度图像插值算法

提出一种边缘保护的灰度图像插值算法，目的在于从低分辨率图像中复原出高分辨率的图像。首先对低分辨率图像做双线性插值放大，然后用一个二维非线性滤波器做迭代滤波处理，从而得到高质量的插值放大图像。实验仿真结果表明，该算法在插值放大图像的边缘保护方面取得了良好的效果。     

一种改进的基于软判决自回归模型图像内插算法

提出一种改进的基于软判决自回归模型图像内插算法,分为正则化权值训练和图像内插两部分.在训练部分,根据局部窗口特征和其对应的最优正则化权值建立字典.在图像内插部分,利用加权最小二乘法估计自回归模型参数,并通过查找字典中距离当前局部窗口最近的样本获得最优正则化权值,然后使用软判决估计重建图像内插值.同时,使用EM算法修正估计出的模型参数和图像内插值.实验结果表明,与其它算法相比,所提的内插算法具有更好的主观和客观效果.     

基于插值技术和多层折叠的可逆数据隐藏算法

现有的基于插值技术的可逆数据隐藏算法具有单层嵌入容量大的优点。然而,现有算法隐秘图像的视觉质量不是很好。针对此问题,提出了一种基于插值技术和多层折叠的可逆数据隐藏算法。该算法先对输入图像进行不重叠的2×2分块;然后对每个分块利用提出的图像插值算法生成大小为3×3的分块。为降低嵌入数据对插值像素的失真,先对待嵌入的秘密数据进行多层折叠编码;然后再嵌入到插值像素中。大量的实验结果表明,提出的算法不会出现像素溢出;与最新相似的算法相比,在相同的嵌入容量条件下,该算法具有更好的视觉质量。此外,提出的算法能抵抗直方图和RS隐写分析。     

一种新的基于像素交迭的图像插值方法

提出一种图像插值算法，将图像像素看成矩形块而非像素点，利用插值图像的矩形像素块由尺寸放大(或缩小)的原始图像的像素所占的百分比，将原始图像做放大或缩小变换，从而在最大程度上保留了原始图像的数据．即使经过多次的缩放变换，也不至使图像失真。     

一种基于组合的图像插值方法

针对现有的图像插值方法存在的不足,在图像放大中容易出现"锯齿"形边缘和模糊的现象,改变了图像的表示模型,提出了平面插值、球面插值、斜平面插值、双三次插值相结合的图像插值方法,避免了传统的插值方法用同一个模型逼近所有像素存在的不足.理论分析和实验结果表明了文中所提方法的有效性.     

基于边缘CFA内插特征一致性的图像拼接检测

为了有效检测数字图像是否被篡改,提出了一种新颖的数字图像拼接快速检测算法.首先,利用Canny边缘检测算子,依据阶跃性约束条件,筛选出阶跃型边缘像素点.分别针对自然图像中的阶跃型边缘和由拼接操作所形成的阶跃型边缘,建立垂直于边缘方向单像素序列的颜色滤波阵列(CFA)内插模型.通过计算该单像素序列的局部灰度直方图,设计CFA内插特征量,以测度拼接前后灰度水平级在直方图两端分布的差异.然后,基于此特征量,利用阈值法实现对自然边缘像素点和拼接边界像素点的分类,进而实现图像拼接检测与定位.标准拼接图像数据集上的测试结果表明,虚警概率仅为0.05时,本检测算法仍能达到0.97的高准确率.此外.该算法还具有较好的鲁棒性,可抵抗一定程度的JPEG压缩和模糊等后处理.     

基于超分辨率分形解码和误差补偿的图像插值算法

插值是图像处理中的基本问题,现有的插值算法无法对具有复杂结构和丰富纹理的图像进行准确有效插值.对图像进行四叉树分形编码,确定相应的最优线性变换参数,建立具有相似关系的"子块-父块对";根据块之间的相似关系与图像分辨率无关的特点,以超分辨率分形解码的方式对吸引子进行重建,进而得到插值图像;对分形编码的拼贴误差进行双立方插值,并以此作为补偿项对插值图像进行修正,进一步提高插值精度.标准测试图像的实验结果表明:与经典算法相比,分形插值能够对图像的结构细节实现准确有效的恢复,不会造成边缘模糊和锯齿效应,具有较高的插值精度和图像质量.     

一种自适应最大相关性数字图像插值算法

提出了一种基于图像多方向最大相关性的数字图像插值算法．数字图像插值过程中不可避免会产生图像细节模糊和边缘锯齿化．同时在处理视频信号时要求有较低复杂度以满足实时信号处理．针对以上问题和要求．本根据图像空域内邻近像素点多个方向的内容相关性和几何相似性．得到一种基于图像最大相关性的自适应优化插值算法．该算法能有效解决插值后图像的锯齿效应及边缘模糊等问题．实验结果表明．该方法插值后的图像信噪比性能明显优于双线性方法．插值倍率较小时接近两次立方法．随着插值倍率增大性能也优于两次立方法．且计算量不大．经适当改进后可以用于实时视频信号处理．