基于图像边缘保持的反距离加权插值算法

在数据可视化过程中运用一般的插值算法处理图像,边界效果通常比较模糊,也容易造成图像边缘信息的大量损失,导致图片整体增强效果欠佳。针对该问题,将图像边缘保持策略引入到反距离插值算法中,提出了基于图像边缘保持的自适应反距离加权插值算法(adaptive inverse distance weighted interpolation,AIDWI)。在图像边缘优化方向确定的基础上,利用反距离加权插值函数获取图像边缘区域像素间的关系,根据权值下降指数调节图像边缘的清晰度,设置平滑参数控制算法的平滑效应,达到图像整体增强效果的最佳状态。利用计算机进行图像增强仿真实验,通过基于图像能量谱的图像质量测度值和图像熵值对图像整体增强效果进行评估,结果表明经算法处理后的图像整体增强效果明显,算法在执行效率和提升图像熵值等方面均具有突出的优越性。     

基于自适应选择滤波系数的插值算法

针对不同分辨率的视频序列采用相同阶数滤波器进行分像素插值不能进一步提高编码性能的问题, 提出 了基于自适应滤波器的分像素插值算法。 该算法根据设定的 3 个不同分辨率视频序列区域, 自适应选择不同 阶数的插值滤波器; 在 3 个不同分辨率视频序列区域内, 根据像素间相关性将高阶插值滤波器替换为低阶插值 滤波器, 实现滤波器的自适应选择。 实验结果表明, 相对于 HEVC(High Efficiency Video Coding)标准算法, 该 算法使峰值信噪比值平均提高了 0. 14 dB, 比特率平均降低了 0. 37%, 对不同分辨率视频序列都具有较好的编 码性能及鲁棒性。     

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。     

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。     

无人机遥感图像融合方法研究

针对待拼接的无人机遥感图像重叠区域不规则、焦距不固定、含噪声较多等问题, 在加权平均融合算法的基础上引入基于折线化思想的不规则重叠区域生成法, 减小算法误差, 并运用基于距离比的自适应算法实现权值自动匹配, 使算法在不受重叠区域形状限制的同时得到更精确的计算结果, 解决了图像拼接后融合区域分辨率低、拼接线明显的问题。仿真表明, 改进的加权平均融合算法在保持原算法快速性的同时, 达到了去除拼接缝隙、使图像融合区域过渡平滑的目的, 并获得了融合质量较好的大视野无缝拼接图像。     

连分式插值结合卷积神经网络的超分辨率重建

基于卷积神经网络的图像超分辨率重建算法是数字图像处理领域近年来的研究热点。针对低分辨率图像在预处理时使用双三次插值导致图像丢失一些重要的高频纹理细节以及网络模型优化问题,文章提出了连分式插值结合卷积神经网络的超分辨率重建方法。在原有的轻量级基于卷积神经网络的超分辨率重建算法(super-resolution convolutional neural net work, SRCNN)网络模型基础上,首先采用Newton-Thiele型连分式插值函数将低分辨率图像插值到目标尺寸;然后利用3个卷积层进行图像特征提取、非线性映射、重建与优化;该文在网络收敛时利用Radam优化算法自适应地调整梯度,并且采用余弦衰减法逐渐降低学习率。实验结果表明,该网络模型能够在轻量级的卷积神经网络下获得更丰富的纹理细节和更清晰的图像边缘。     

一种基于非线性扩散的图像放大算法

针时传统图像放大处理过程中基于线性插值方法通常导致边缘模糊问题,分析了Tikhonov模型、全变差模型和高阶偏微分模型在图像处理中的优缺点,提出了一种全变差和高阶偏微分模型自适应结合的图像放大模型及推导算法.该模型对图像非平滑区域采用全变差模型处理,而平滑区域则采用高阶偏微分模型处理,最终新插入的图像点象素值由该点邻域象素自适应地各向异性加权得到,在保持图像边缘锐度的同时有效克服了平滑区域的阶梯效应.4种模型的实验比较验证了本文算法的有效性.     

一种亚像元遥感图像的小波插值及滤波方法

该文分析了亚像元技术及相关的几种传统插值方法.针对传统插值方法拟合精度不高的缺点,提出了对两帧错半个像元的遥感图像进行小波插值与滤波的方法,即利用图像中已知点的全局信息对小波系数进行逐层估计.最后通过信息融合,将图像重构为一幅信息更丰富、分辨率更高的遥感图像.由于考虑到图像的全局信息,该算法对图像细节信息保持较好.实验结果证明了该算法优于传统方法,为采用亚像原成像技术提高航天遥感系统空间分辨率提供了一种图像融合重构的新方法.     

小波变换与HMT模型的图像插值算法

 为实现图像的超分辨率处理,提出利用HMT模型简洁地表示小波系数的概率结构。小波域HMT模型根据小波系数尺度之间的持续性和指数衰减性,将图像的小波系数建模为隐马尔可夫树模型。该模型考虑了小波系数间的统计相关性,把图像插值问题表述为一个约束优化问题,获得了能够保持原始图像丰富高频信息的高分辨率插值图像。试验结果表明,该算法在一定程度上改善了传统插值算法引起的锯齿效应和平滑效应,插值后的图像在峰值信噪比和视觉效果方面都有明显提高。     

遥感影像双线性插值小波融合方法

在进行同一地物的具有高空间分辨率的全色影像和多光谱遥感图像融合时，应用双线性插值的方法对多光谱图像进行插值，使之等于全色图像的空间分辨率．在此基础上，对两幅影像分别实施小波变换，提出了小波系数的融合运算公式．同时，为了说明本方法的可靠性，将其与近邻插值的小波变换、色彩变换(IHS)、Brovery变换等融合算法作了对比．仿真结果表明，该算法在提高影像空间分辨率的同时，图像的光谱信息损失最少．不失为一种较为理想的融合算法．     

基于文本特征自适应正则化的文档图像超分辨率重建

在BTV正则化超分辨率重建中,由于BTV正则项无法根据字符特点自适应进行平滑滤波,不能充分保留图像细节的缺点,设计了基于文字笔画局部宽度和方向自适应的改进BTV正则化项提高字符分辨率,通过分析输入的LR图像及其中间插值图像,得到近似于HR图像中的局部笔画宽度和方向信息,并将此信息封装进正则化项,通过最小化正则化项和数据保真项的线性组合,重建高分辨率图像。实验结果表明,与原BTV正则化重建方法相比,算法在保留细节信息,提高字符分辨率的同时能够显著滤除噪声,重建得到的文字笔画线条较为平滑,且轮廓清晰,提升了文档图像的分辨率。其中平均PSNR提高了8.32%,平均MSSIM提高了5.94%,同时运行时间减少了26.2%。     

基于金字塔模型和各向异性滤波的分层自适应图像增强算法

结合拉普拉斯金字塔模型分解和前后双向异性扩散算法,提出一种分层自适应图像增强算法.该算法首先进行图像的高动态范围压缩,然后采用拉普拉斯金字塔模型方法将原始图像分解为不同尺度和频率下的带通图像序列.根据不同频率层图像的纹理方向特征,设计自适应参数法修改扩散传导方程的参数,在不同频率图像层上分别实现噪声平滑和边缘特征的增强.仿真实验通过与其它图像增强算法进行比较,评价结果表明,提出的分层自适应图像增强算法的处理效果良好,定量评价指标大幅改善.     

基于静电场原理的图像分辨率增强算法

根据静电场的平衡原理，提出了图像分辨率的增强算法，其内插函数随相邻像素的电势能差和所处的能量带可以自动调节，从而实现了图像的自适应放大．在对彩色图像放大中，算法模型考虑了各个色彩分量对图像插值产生的影响，克服了常规方法对整幅图像无区别，以及采用同一种内插函数进行处理时所带来的边缘模糊效应和阶梯形失真，同时又消除了对各个颜色分量分别处理所产生的颜色失真现象．试验的各个性能指标表明，该算法与传统方法相比，插值后得到的图像不仅在图像质量上有明显的改善，而且能保持清晰的边缘和轮廓信息，因此可在遥感图像、医学系统、公安系统及一些图像处理的软件中得到应用．     

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。     

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.     

改进CV的图像分割

为了提高传统CV分割算法对含纹理的图像分割效果,该文分析了图像纹理分量的统计特性,在图像TV平滑的基础上,设计了新的保边平滑函数,建立了保边平滑模型;运用传统CV分割算法对平滑分量进行分割;根据不同平滑分量分割区域不同,设计了基于区域置信度的分割平滑收敛函数,解决了分割曲线消失问题。实验表明,相对于传统CV分割算法,该算法对自然图像分割的效果较好,对非一致区域不敏感。     

一种保持图像细节的自适应的去噪平滑算法

针对三维相干切片数据所形成的二维图像,提出一种新的自适应的保持图像边缘细节的图像平滑算法.该算法通过平滑区域及灰度均匀度来选择受噪声干扰的最小区域,并以此来对目标像素进行相应处理.实验证明,本算法能在有效去噪平滑的同时,很好地保持了图像边缘细节,具有很高的实用价值.     

一种基于鲁棒估计的自适应图像平滑方法

基于鲁棒统计理论,提出一种新的保持图像边缘的图像平滑算法.将图像滤波与平滑转化为一个分段常数模型的鲁棒估计问题.并由此导出基于分段常数模型的尺度自适应鲁棒滤波器.为了自动确定鲁棒滤波器的最优尺度参数,使用直方图分析,结合非参数统计的方法来确定各点的鲁棒尺度参数.该算法可以在平滑图像的同时,保持原始图像中的边缘结构.实验表明,该算法平滑图像的效果,明显优于固定尺度的平滑算法.     

基于位置约束的参考图引导的遥感影像超分辨率网络

在遥感对地观测领域中,往往需要对生态或地质环境进行长时间跨度的监测.然而,仅通过卫星拍摄的高分辨率影像来实现在长时间跨度范围内对同一位置区域的覆盖是较为困难的.因此,之前的研究多采用单图像超分辨率算法来对低分辨率影像进行重建.但单张低分辨率影像中的信息是有限的,所以该类算法的重建结果往往较为平滑和模糊.实际上,对于同一位置区域而言,通常可以获取到来自不同卫星在不同时间段拍摄的多幅分辨率不同的遥感影像.其中的高分辨率影像可以作为低分辨输入在重建过程中的参考影像.因此,提出了一种基于位置约束的参考图引导的遥感影像超分辨率网络.该网络首先通过一个基于位置编码的纹理转换模块来实现参考图像与低分辨率图像之间的相似特征块匹配.同时引入位置约束,即根据低分辨率输入中邻近元素所对应的参考相似块的聚合度来对转换后的参考图像进行编码,从而提高匹配的准确度.同时,还提出了一种基于通道注意力机制的多尺度特征自适应融合模块,该模块有效提高了网络在进行跨尺度特征融合时的特征表达能力,进一步提高了网络的重建性能.实验结果表明,相较于其他新近的超分辨率方法,该网络在4×和8×超分辨率任务上均表现出了更为优越的重建性能...     

基于改进CV的图像分割

为了提高传统CV分割算法对含纹理的图像分割效果,该文分析了图像纹理分量的统计特性,在图像TV平滑的基础上,设计了新的保边平滑函数,建立了保边平滑模型;运用传统CV分割算法对平滑分量进行分割;根据不同平滑分量分割区域不同,设计了基于区域置信度的分割平滑收敛函数,解决了分割曲线消失问题.实验表明,相对于传统CV分割算法,该算法对自然图像分割的效果较好,对非一致区域不敏感.