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。     

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。     

基于改进边缘方向判定方法的图像插值算法

为了解决图像超分辨率重建过程中传统边缘插值方法边缘方向定位不准确,以及边缘区域只沿着边缘点一侧进行插值,而没有考虑边缘内外侧的问题,提出一种基于边缘二值化图像的边缘方向判定算法。该算法通过边缘像素点之间的相互关系来确定边缘方向,得到的结果更加可靠;并且加入方差来判定插值侧边,有选择性地对边缘一侧进行插值,考虑了边缘判定的特征。实验结果表明,与传统的边缘插值方法相比,两种改进获得了更好的图像重建效果。     

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.     

基于线过程的POCS超分辨图像重构算法

传统的凸集投影（POCS）超分辨重构算法易使图像产生边缘振荡效应问题,在研究了边缘振荡效应的成因后,提出一种基于线过程模型的POCS算法来对低分辨图像序列进行超分辨图像重构．该算法采用线过程模型检测出超分辨初始估计图像的4个方向的边缘,在传统POCS的投影过程中增加了对图像的平滑处理,实现了低分辨图像序列超分辨重建的对比实验,实验结果表明图像边缘振荡效应能得到明显改善．     

保持边缘的快速图像实时放大增强算法

从单幅低分辨率的图像中重建出高分辨率的图像的技术在计算机视觉和模式识别等领域有着非常广泛的应用。近年来,虽然单帧图像超分辨率算法已经有了大量的研究,且也能取得较好的效果,但这些方法大多由于计算复杂度较高而并不适合实际的应用。因此,本文提出了一种新的基于图像中边缘曲率的快速插值算法。该算法首先采用最近邻算法对图像中待填充格点进行插值,然后根据图像中亮度的二阶方向导数来逐步迭代修正插值点的像素值。考虑到图像插值会带来一定程度的模糊,该算法在图像插值后对图像进行增强,从而进一步提高图像的视觉质量。通过大量主观感受和客观评价指标的实验表明,与传统的基于边缘的图像插值算法(NEDI)相比,该算法不仅能实现视频的实时放大,并且能获得较高品质的放大图像。     

基于投影修正和POCS的图像超分辨率重建

针对超分辨重建技术中传统POCS图像重建算法存在的Gibbs效应问题,提出一种采用投影修正机制抑制Gibbs效应的图像超分辨率重建算法.首先针对初始图像采用方向差分方法获得图像的边缘约束算子;随后在每一次的迭代重建过程中,结合前后重建结果的差值和边缘约束算子设计投影修正算子,并对残差阈值和点扩散函数分别进行修正,从而获得修正后的数据一致性投影过程;最后利用修正的投影过程获得最终重建图像.试验结果表明:改进算法具有较好的峰值信噪比,并且有效抑制了Gibbs效应,具有较好的应用前景.     

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。     

基于有理分式插值的散乱数据图像重建方法

插值方法及插值基函数的选择是可视化技术的一个关键问题。首先根据平面域上分布的散乱灰度图像数据点集，划分出突变的数据区域和平坦的数据区域，然后基于相邻数据的性和图像边缘的非连续性，利用Thiele连分式和Newton多项式建立有理插值函数和代数插值函数，提出了一种新的散乱点插值和图像重建方法，并通过实验证明，该方法能应用于不规则分布数据图像的重建。     

一种改进的单帧图像超分辨率重建的高效算法

根据图像的降质模型,基于凸集投影(POCS)原理,结合降质图像模型,提出一种使用中值滤波初值处理的高效POCS单帧图像的超分辨率重建方法.计算机仿真结果表明,和双线性内插、经典POCS方法比较,改进后的该方法重建图像信噪比平均提高2.1 dB和1.1 dB.     

基于双线性内插的图像处理算法及其优化

双线性内插放大算法在平滑图像的同时会使边缘模糊。针对此问题,提出一种基于双线性内插的增强图像轮廓优化算法,使用高通滤波器让高频分量通过,实现边缘细节锐化,提高图像轮廓清晰度。实验分析,优化算法更适于数字图像实时放大处理。     

一种分区BP人工神经网络图像差值算法

为了提高图像插值质量,利用前向反馈人工神经网络（BP-ANN）的自学习、自适应和泛化能力,开展分区BP-ANN图像差值研究.将图像中待插值像素划分为光滑区和边缘区,每个区分别对应1个BP-ANN进行图像差值操作,并通过3组实验确定分区BP-ANN的网络结构、采点模式和插值流程.结果表明,采用8-16-1拓扑结构的BP-ANN算法可达到图像的可视化质量和时间之间的最佳平衡点;与经典线性均值（LA）图像插值算法相比,分区BP-ANN算法在保持最佳视觉效果的前提下,峰值性噪比高约0.593 8 dB.     

基于改进的POCS算法的超分辨率图像恢复

针对常规的POCS(凸集投影)算法会产生边缘振荡效应这一问题，提出了一种改进的POCS算法，该算法先对图像边缘像素点进行特殊处理，再对图像中其余的像素点进行修正，消除了恢复结果中的边缘振荡效应．将改进的POCS算法与常规的POCS算法进行对比实验，证明了改进的POCS算法的有效性．     

基于小波双立方插值的Bessel拟合图像复原算法

对模糊图像复原的目的在于对图像进行去模糊、去噪及建立在特征值基础上的矢量化处理,最大限度恢复原图像。本文提出了一种基于小波双立方配比插值的贝塞尔拟合图像边缘特征复原的新算法,在初始图像降质处理基础上通过小波双立方配比插值（Wavelet Bi-cubic）、双三次插值法得到融合样本图像,并在Canny边缘检测基础上提出对拟合边缘特征点的贝塞尔曲线拟合,最后将图像特征轮廓分别进行Delaunay剖分算法的矢量化处理,保留原始灰度色彩复原图像。实验对这三种方法的轮廓复原图像与原始清晰图像进行对比,由具体参数（PSNR、SSIM、FSIM以及运算时间TOC等）说明验证。实验结果表明,经由小波双立方配比插值与贝塞尔拟合得到的轮廓图像复原比双三次插值与贝塞尔拟合得到的轮廓图像复原效果要好,且明显缩短运算时间。     

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     

基于小波分析的蚁群算法在图像边缘提取中的应用

在图像处理和识别的过程中,目标边缘作为图像的一个重要特征,起着很重要的作用。但在图像的获取过程中,不可避免地会带来噪声,加上各种干扰的存在,使目标的图像边缘比较模糊,对提取效果造成影响。针对图像边缘提取的实际应用情况,我们提出了采用自适应中值滤波和小波分解与重构的蚁群边缘处理算法,通过大量实验表明,该算法对噪声有较好的抑制作用,取得了良好的边缘提取效果。