论文部分内容阅读
图像插值是图像处理领域的基本研究课题之一,其目的在于利用已知的低分辨率图像构造相应的高分辨率版本,相关算法在图像修复、数字高清电视应用、目标移除、图像分析、图像压缩等任务中得到了广泛的应用。由于边缘质量好坏会显著影响图像的主观评价,本文主要关注对边缘轮廓的插值策略,在研究相关算法的基础上,提出更合理的图像插值方案并提出相应的算法。图像中的边缘在插值过程中容易产生比较严重的锯齿化问题。为此,本文第一部分工作首先设计了一种快速曲线平滑技术。该技术通过数据采样来估计图像边缘曲线上的噪声强度,由此确定合理的参数对边缘曲线进行快速去噪;然后,将这项技术引入图像插值过程,用以消除插值后的边缘锯齿化问题。具体来说,先提取插值图像中的边缘,接着利用快速曲线平滑技术对其处理,最后将处理后的边缘放回原插值图像。由此得到一种新的图像插值算法,称为基于边缘平滑的图像插值算法(ESI)。本文第二部分工作提出了基于预测梯度的图像插值算法(PGI)。我们采用现有文献中CGI算法的思想来对低分辨率图像中的边缘进行扩散处理,然后预测高分辨率图像中未知像素的性质,最后据此对边缘像素采用一维有方向的插值,对非边缘像素采用二维无方向的插值。与CGI算法相比,由于预测梯度策略的使用,PGI算法能够更有效地确定未知像素的性质。与通常的非线性图像插值算法相比,PGI算法对图像边缘信息的理解更为完善。本文第三部分工作进一步拓展了梯度预测策略,提出了预测-校验的图像插值算法(PCI)。该算法首先通过对图像进行预插值得到一幅高分辨率图像,称为预报图像;然后计算出预报图像上每一点像素的性质,若为非边缘像素则保留,若为边缘像素则根据其所在的边缘方向进行校正;最后输出校正后的图像作为插值结果。由于预测校验策略的使用,PCI算法可以更精确的计算未知像素的梯度,从而进行更有效的图像插值。整体来说,本文所提出的ESI算法是一种显式边缘插值算法,该算法在处理二值图像时可以取得优秀的结果,但是由于边缘检测技术精度的限制,算法的普适性有待提高。PGI算法和PCI算法都属于隐式边缘插值算法,适合于各类图像插值问题。PGI算法具有实时图像插值能力,且多项测评指标均优于现有算法。PCI算法具有较高的计算复杂度,但在测评指标方面表现更为优秀。