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。     

一种降低复杂度的CCD彩色图像重构算法

为了提高视频展台的图像质量和帧率,提出一种基于边缘检测的低复杂度插值方法。首先重构绿色分量图像,然后按照实验确定的阈值T划分图像平滑区域和边缘位置,分别对平滑部分、边缘位置进行双线性插值和Laplacian二阶校正项插值,来重构红、蓝色分量图像,最后对红蓝分量图像的平滑区域进行中值滤波以抑制伪彩失真。该算法与传统的两阶段图像重构算法相比,计算量显著降低,提高了图像重构实时性,并保持满意的图像质量,PSNR值达到33 dB以上。     

基于灰色理论的储粮害虫图像边缘检测方法

首先确定参考序列和比较序列,然后计算以各像素为中心的比较序列与参考序列的灰色关联度,将其与选定阈值作比较,最终判断该点是否为边缘点。与传统边缘检测算法相比,该方法对256灰度级粮虫图像能检测到连续、有效的边缘信息,且能较好保留图像细节信息,对二值含噪图像具有较强抗噪性。     

基于K邻近均值滤波器的自适应Canny边缘检测

本文在分析传统Canny算子的优缺点基础上,针对其在平滑滤波和阈值选取上的不足,提出了新的改进算法.该算法首先采用K邻近均值滤波器对图像进行预处理,然后利用非极大值抑制过程后图像本身的信息来自动产生高低阈值对图像进行边缘检测.经过实验证实,使用本算法检测到的边缘连续性更好,边缘细节更丰富,同时阈值选择的自适应能力有所提高.     

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.     

基于模糊联合误差的红外图像边缘检测方法

图像的边缘检测中,非优化梯度阈值选择的不当会造成某些边缘点的丢失;而模糊阈值方法,需占用大量存储空间来搜索参数的最优组合.针对以上问题,本文在模糊理论的基础上,并结合红外梯度图像的特点,提出了一种基于模糊联合误差的红外图像边缘检测方法.本文首先通过改进的Sobel算子构造出红外图像的梯度图,在对其进行模糊划分的基础上计算区域模糊度,最后通过对区域联合误差的比较,确定模糊区域中像素点的隶属,实现边缘提取.与传统的基于梯度的边缘检测算法及最大模糊熵算法进行了对比实验.结果表明,该方法用于红外图像边缘检测时,能够在更短的处理时间内,保留更多的边缘信息.     

具有边缘保持特性的POCS 超分辨率图像重建方法

为解决利用经典的POCS(Projection onto Convex Set)算法进行图像重建时所产生的边缘模糊问题, 提出了具有边缘保持特性的POCS 超分辨率重建算法。根据待插值点的邻域特征判断该点所在区域是边缘区域还是非边缘区域, 利用改进的双线性插值算法构建参考帧, 减小了传统算法重建后图像边缘的模糊现象。结果表明, 该方法能得到具有较好边缘质量的高分辨率重建图像。     

基于像素差分网络和边缘方向插值的图像缩放算法

通过对图像在缩放过程中使用的不同插值算法分析比较，针对新的边缘定向插值算法中存在人工选取经验阈值的随意性与边缘轮廓连续性的问题，本文提出一种基于像素差分网络和边缘方向的图像缩放算法。从人工选择阈值完成边缘分割改为利用像素差分网络实现边缘分割；对边缘点3×3区域查找边缘线方向作线性插值，以保持图像边缘轮廓的连续性，从而保留图像边缘结构。实验表明：该算法能在提高图像分辨率的基础上保留图像所具有的边缘结构，有较低的时间复杂度，同时对于不同图像该算法具有较好的普适性。     

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.     

基于第二代小波的增强边缘的图像去噪

传统的一些去噪技术往往是以牺牲图像的边缘和细节为代价的.为了去掉图像的噪声,同时又能够很好地保留图像的边缘和纹理细节,在介绍第二代小波变换的原理的基础上,提出使用边缘检测的方法检测出图像的边缘和纹理细节,将它和该图像进行融合,用第二代小波对含噪图像进行分解,对图像高频进行自适应去噪.由于图像在去噪前融合了边缘信息,因此边缘和细节部分得到了增强.仿真结果表明:该去噪方法优于传统小波阈值去噪方法.