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.     

4阶收敛的三次卷积插值算法及其边界条件

图像插值是数字图像处理中的基本算法,三次卷积插值算法是图像插值中最常用的算法之一.当插值核函数定义在(-2,2)区间上时,其插值精度可达o(h3),即3阶收敛.为了提高插值精度,文章把核函数的定义区间扩大到(-3,3),此时插值精度可达o(h4).在左、右边界点插值时通过利用相邻采样点数据的相关性来解决数据缺失问题,这样可使全部插值过程达到4阶收敛.     

基于平面和球面插值的图像放大算法

现有的图像放大算法由于采用的插值方法存在一定的不足,容易出现"锯齿"形边缘和模糊的现象.文章改变图像的表示模型,提出了平面插值和球面插值相结合的图像插值方法.该算法避免了传统的插值方法用统一的模型逼近所有像素的不足,对不同的情况用不同的插值方法,理论分析和实验结果表明了文中方法的有效性.     

基于双三次插值的鱼眼图像校正

通过标定板对鱼眼镜头成像模型参数进行标定,建立了特定鱼眼镜头图像校正模型,并应用该模型对鱼眼图像进行校正.利用双三次插值方法对鱼眼图像非特征点进行插值,校正效果良好,解决了鱼眼镜头所成影像的畸变问题,能较好地应用于视觉导航与监控领域.具体做法是:（1）利用自制的平面标定板标定鱼眼图像;（2）通过标定之后的镜头畸变参数,利用双三次插值算法将畸变的鱼眼图像还原为满足人眼视觉效果的透视图像.     

基于图像变化检测的CFA插值算法

提出了基于变化检测的CFA插值算法.该算法分为两个步骤:首先采用矢量线性相关法对CFA图像的绿色分量图像进行变化检测,然后在发生变化的区域内进行插值,未发生变化区域内的图像数据被CFA插值后直接拷贝到当前帧的相应位置,避免了在每帧图像内逐点进行插值计算.与现有的插值算法相比,CFA插值算法复杂度大大降低,同时获得较高质量的视频图像.     

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。     

基于二元多项式插值的B超图像放大算法

分析了众多传统的图像插值算法,提出了二元多项式插值算法.将所有的插值公式进行转换后都会得到一个待插入点横坐标和纵坐标的二元多项式,其每一项的系数是待插入点周围其他像素点的颜色值的运算结果.设计了 一个基于二元多项式插值的B超图像放大算法,实验结果说明了算法的合理性.     

基于NSCT分解的图像插值算法

由于成像系统内部和外部的因素,使得获取的图像产生退化。为了尽可能的保持CCD图像的基本信息,提高图像的视觉效果和空间分辨率,为了克服传统插值算法存在的缺陷,本文提出了一种基于非采样Contourlet变换(Non-subsampled Contourlettransform,NSCT)分解的图像差值算法,利用NSCT提取高频成分,原始低分辨率图像经过双线性插值放大充当低频部分,再经过NSCT逆变换得到放大后的高分辨率图像。实验结果表明,相对于传统的双线性插值算法,本文所提出的基于NSCT分解的图像插值算法考虑到全局相关性,得到了更加清晰的边缘信息,从而得到更好的图像插值放大后的视觉效果。     

经典插值算法仿真

图像插值算法多种多样,但是其中最经典,最广为认知就是最近邻插值,双线性插值,双三次插值算法。本文描述了这三种算法的原理并对算法的性能（包括运行时间,峰值信噪比,均方差）进行了比较,对算法所达到的效果进行分析和研究。     

基于采样预测的安全可逆水印算法

针对可逆水印安全性问题,提出一套高容量低失真的实现方案.通过选择图像的参考子集,利用密钥控制下的自适应插值算法,有效预测参考子集的补集,形成相关性较高的估计图像.估计图像与真实图像的差形成差值图像,此差值图像直方图峰值点可以达到较大高度,通过移位操作能隐藏高容量水印,并保持较低的视觉失真.由于预测算法本身由密钥控制,能满足水印嵌入的Kerckhoffs安全准则,提高安全性能.     

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等优点。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。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(regular singular)隐写分析。     

一种新的基于图像边缘的插值算法

灰度图像放大时,插值所具有的平滑作用会退化图像的高频部分,使放大图像轮廓变得模糊,本文提出了一种新的图像插值算法,先通过边缘检测分离出图像的平坦区域和边缘区域,对图像的平坦区域采用双线性插值法,对图像的边缘部分采用距离密次反比法,实验证明该算法有效地保持了边缘信息,得到了较好的视觉效果.     

基于快速残差插值和卷积神经网络的去马赛克算法

针对传统插值法存在的图像细节不能很好恢复的不足,利用卷积神经网络作为残差插值法的后处理操作,提出了一种基于残差插值和卷积神经网络的去马赛克算法。方法分为初始去马赛克和细节恢复后处理两部分。先用改进的基于梯度的快速残差插值法实现初步去马赛克插值,并针对恢复图像中包含了彩色伪影,细节丢失等问题,再使用深度残差网络学习恢复图像与理想全彩色图像之间的映射,实现后处理。在Kodak数据集和IMAX数据集上的实验结果表明,该方法结果在主观视觉特性和客观评价指标两方面相较于传统方法都有明显改进。     

CT断层图像匹配插值算法的研究与实现

针对CT断层图像插值,提出了一种基于目标特征对应点匹配插值算法,该算法与传统插值方法相比,其视觉效果和计算误差均有较好的改进．该算法通过计算机实现,可以获得清晰的灰度插值图像,有效地避免插值后易产生的边界模糊现象。     

基于双三次插值算法的集成电路在线检测快速模板匹配

为了解决目前电路板缺陷检测视觉识别系统对多目标识别检测过程实时性差、识别效率低,甚至出现无法识别等问题,首先对集成电路板图像按一定比例进行双三次插值算法处理,并在该基础上创建模板图像,然后进行归一化积相关匹配快速地识别检测出目标的大概位置,最后以双三次插值算法缩放比例值还原目标在原图像中的位置,从而精确识别检测出的目标。实验结果表明:该算法能达到100%识别,运算时间比传统算法快2～11倍,可见该技术提高了检测效率,具有很好的实用性。     

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。     

采用分数阶微分边缘检测的图像插值

针对目前的边缘插值算法不能有效改善插值图像的中低频纹理细节的问题,研究并提出了一种基于分数阶微分边缘检测的图像插值算法.依据分数阶微分理论,设计并实现了可以有效提取中低频纹理信息的算子掩模.按照检测到的边缘纹理信息,分别对沿边缘方向、垂直于边缘方向和平滑区域的待插值像素点进行线性插值、二次插值和双线性插值.采用了峰值信噪比(PSNR)和信息熵(IE)等图像质量评价标准做定量分析和实验验证.结果表明,该方法可以得到丰富的图像纹理信息,提高了峰值信噪比,其结果符合人们的视觉感受.     

基于Curvelet的纹理方向自适应图像插值

为提高纹理复杂图像的插值放大质量,提出一种纹理方向自适应的图像插值算法。首先利用Curvelet变换提取图像的4个方向因子矩阵,然后对不同类插值点选择相应的2个方向因子构造权重系数进行线性插值,从而自适应地重建各类待插值点。分析比较了本文与现有插值算法对平滑与纹理复杂区域的插值重建质量。实验结果表明,本文算法能有效抑制传统插值方法重建图像时出现的边缘模糊和锯齿现象,重构的图像效果优于传统方法,纹理丰富图像的重构质量可提高2dB以上。     

改进加权矩阵的双图像可逆数据隐藏算法

针对插值灰度图像嵌入容量有限和视觉质量较差的问题,提出了改进加权矩阵的双图像可逆数据隐藏算法,通过仅增加或减少载体图像的插值像素来嵌入多个机密数据位,进一步提高图像嵌入容量和视觉质量。该算法通过插值放大原始图像的大小生成载体图像,使用具有相同大小的共享预定义加权矩阵对原始像素块进行逐项相乘模和,将机密信息根据块的数量交替地嵌入2幅图像中,在每次迭代前,使用共享密钥修改加权矩阵以保护隐藏信息,加权矩阵有助于在较小失真的情况下嵌入更多的数据位,有效实现了安全性和嵌入容量。实验结果表明,该算法可以抵抗剪切、噪声、不透明修改等隐写攻击。相对于其他方法,该算法在嵌入容量和PSNR方面都有明显的提高。