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。     

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。     

基于自适应极速学习机的遥感图像目标识别

随着遥感技术的突飞猛进,遥感图像目标识别在军事方面以及民用方面都有重要的应用.但是在对遥感图像目标识别的过程中,由于遥感图像的高分辨率等客观条件限制,无法实现对目标实时和精确的识别.极速学习机具有很快的学习速度并且是一次完成的,在小样本学习的问题中得到了广泛的应用.可以先对遥感图像进行特征提取,然后用极速学习机的神经网络方法对遥感图像目标进行识别,这是解决问题的一种有效方法.本文首先在极速学习机的基础上针对极速学习机隐层神经元过多的问题进一步提出隐层神经元数目自动确定的自适应极速学习机的算法,然后介绍了遥感图像特征提取的方法,最后通过实验仿真验证自适应极速学习机算法在遥感图像目标识别上的准确性和实用性.     

自适应图像插值在超分辨率图像重建中的应用

超分辨率技术的目的在于恢复高频信息,以使图像获得更多的细节信息,同时还要能消除各种噪声的影响,图像插值方法是一个基本的消除采样误差和虚假响应的手段,它是超分辨率重建的一个重要步骤。该文使用一种自适应的插值方法来进行超分辨率图像重建,并与传统插值方法的超分辨率图像重建结果相比较,重建结果要优于传统插值方法。     

多边形单元上有理函数插值的误差估计

采用有理函数可以在任意凸多边形单元上,构造出满足单元间协调性要求的插值函数.对多边形上的有理函数插值的误差进行了分析,利用有理函数插值形函数的性质和二元函数的Taylor展开式,证明了有理函数插值的误差估计不等式。     

基于鲁棒自适应归一化卷积的遥感图像融合算法

针对当前遥感图像融合中容易出现光谱信息失真和边缘细节丢失的问题,提出一种基于鲁棒自适应归一化卷积的全色与多光谱图像融合算法.该方法基于归一化卷积思想,利用投影到子空间的局部信号逼近技术对不规则采样数据进行高分辨率图像重建,自适应归一化卷积中使用的窗函数通过对更多相同意义的样本进行分组,有助于改进分析和提高信噪比,减少不连续面的扩散.实验结果表明,相对于其他优秀融合方法,本文方法更具优势,能够更好地重建光谱信息和保留边缘细节.     

基于插值的图像修复算法

目前,针对小区域缺损的图像修复算法中,大多采用基于迭代的修复算法,然而这些效果较好的图像修复算法,其时间复杂度一般都比较大.本文通过插值的方法,利用破损区域与周边邻域的有效信息之间的相关性,提出改进的基于FMM(快速行进)的图像修复算法;调用仅适用于被检测到的高局部活跃的像素,提出基于LMMSE(线性最小均方误差估计)插值的图像修复算法.实验结果表明,提出的两种算法分别与FMM算法和TV(整体变分法)算法相比,在整体上其修复效果和效率都具有明显的优势.     

基于小波的图像插值方法

在分析传统的图像插值方法的基础上,结合小波分解的特性,提出了一种插值方法,即利用流形锥和最优恢复理论来进行小波细节的预测,然后根据小波变换多分辨率分析的特征和各分层子带之间的相似性来进行图像的重构。利用此方法得到的图像细节丰富,边缘效果好,并有效地抑制了信噪比,实验结果令人满意。     

基于HEVC的自适应插值滤波算法

为进一步提高自适应分像素插值算法的视频图像质量,降低计算复杂度,提出一种基于HEVC(high efficiency video coding)的自适应插值滤波算法.该算法首先在新一代视频编码标准H.265/HEVC框架下进行编码,以提高视频编码效率;其次通过滤波器系数对称优化,降低码流所需滤波器系数和解码计算的复杂度.复杂度分析结果表明,与其他算法相比,该算法乘法复杂度最高降低229%,加法复杂度最高降低245%.仿真结果表明,与其他算法相比,该算法对不同分辨率视频序列均具有较好的编码性能及鲁棒性.     

基于改进自适应阈值局部三值模式的遥感图像分类

遥感图像背景复杂,存在光照变化和噪声干扰,导致图像分类准确率不高。针对该问题,在计算邻域像素离散度的基础上,通过对其施加不同权重以细化阈值范围,提出一种改进的自适应阈值局部三值模式(ATLTP)纹理特征提取算法,以提高遥感图像分类精度。首先,对原始遥感图像进行灰度拉伸预处理以增强图像对比度;然后,采用改进自适应阈值局部三值模式提取遥感图像的纹理特征;最后,利用支持向量机对遥感图像进行分类。在标准遥感图像数据集中稀疏建筑物和密集建筑物分类的实验结果表明:采用改进后的局部三值模式纹理特征对遥感图像进行分类的性能要优于传统的局部三值模式,验证了改进算法的有效性。     

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。     

杭州湾水体污染的遥感监测应用研究

杭州湾是我国近海岸污染较为严重的区域,传统技术监测污染源面临困难.文章运用遥感技术对杭州湾附近的排污点进行动态监测,快速定位污染源的位置并圈定被污染的水体范围.监测结果发现研究区域内共有13处污染源,其中12处分布在杭州湾南岸,1处分布在杭州湾北岸,水体污染最严重地区为杭州市萧山区,该区域内发现污染源共10处.结合野外实地调查资料,分析污染源的扩散趋势、影响范围和原因,为杭州湾地区的水资源保护和规划提供准确信息.     

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B-Spline插值的自适应去噪方法

为了提高在高水平噪声下的去噪效果,提出了一种适合对受随机冲击噪声污染图像重建的两步去噪方法。利用图像的全局和局部信息来定位被噪声污染的像素,对被噪声污染像素利用基于B-Sp line插值的方法来进行重建,并且根据被污染像素周围像素的污染情况自适应地调整对其的加权因子。实验结果表明:通过B-Sp line插值来恢复被噪声污染像素的方法,对污染噪声的水平具有很好的鲁棒性,特别是在噪声水平高于50%的情况下,重建图像的峰值信噪比PSNR比传统方法平均可以提高2~3 dB。     

基于形状的遥感图像检索系统

研究了基于内容的遥感图像库的快速检索系统．系统采用基于形状全局特征与局部特征相结合的两步检索策略,由简单的全局特征来过滤掉大部分的非相关形状,利用矢量近似方法来对所属类别进行快速定位,缩小搜索空间;局部特征相似性是通过形状小波变换系数之间的距离直接计算的．仿真试验表明,该查询结构能够高效准确地对高分辨遥感图像和航片进行检索．     

基于神经网络的自适应图像分割

非均匀光照条件下的图像目标难以用阈值选取方法分割，本文使用神经网络建立自适应阈值曲面，以此作为图像分割的依据．自适应阈值曲面由图像中具有高Ｌａｐｌａｃｅ值的边缘拟合而成，拟合过程由神经网络实现．计算机摸拟证实了此设想的可行性以及相对阈值分割方法的优越性．     

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FPGA的贝尔图像插值算法实现

设计了一个基于贝尔模板的图像重构算法。该插值算法根据R、G、B各分量梯度相关性,通过G分量的梯度信息估计出其他分量的梯度信息,进而求得其他分量的值,得到全彩图像。并且将该算法在FPGA平台上进行了验证。将CMOS采集回来的分辨率为1 280×1 024,每秒25帧的贝尔图像经过插值、提帧,通过DVI接口输出或存入存储器中。实验表明该算法实现的重构图像质量很高,其PSNR达到37 dB。