随着信息化社会的高速发展,高质量图像在军事遥感、天文观测、医学成像、公共应用等领域中的需求急剧增长。由于图像采集设备受光电传感器的分辨率限制以及各种噪声干扰,可能会造成图像的部分高频信息丢失,降低了图像的质量。虽然专业硬件设备可以获取高质量图像,但所需成本较高。图像插值技术成为解决这一问题行之有效的方法。由于自然图像自身具有信息的冗余性,我们可以利用这一特性对低分辨率图像进行高分辨率插值重建。传统的线性插值算法虽然可以改善图像的质量,但会使插值后的图像具有明显的边缘模糊和锯齿现象。尽管新近提出的插值算法可以进一步提高图像的插值效果,但较高的计算复杂度限制了它们的应用范围。论文对非局部块拼贴(Non-local Patches Collaging Interpolation,NPCI)算法进行改进,提升了图像高分辨率重建的效果。该算法不仅原理简洁,而且计算复杂度较低。论文的主要工作如下:(1)介绍了图像插值算法研究的背景及意义,结合国内外的相关研究进展,对目前主流插值方法的原理和特点进行了归纳总结。(2)论文通过引入加权矩阵,使得NPCI算法中原先两个不同的复原方程具有统一的表达式。由于加权矩阵可以调整采样网格点和非采样网格点的权重比,因此,这一改动改变了采样网格点的权重,使得插值效果得以提升。(3)论文提出使用图像块之间的绝对差值(测度)大小来衡量图像块之间的相似度。与原算法中的内积测度相比,这种测度降低了 NPCI算法的计算量。(4)NPCI算法中参数K的值是依据经验进行选取的,这没有考虑到待构造图像块会因其纹理构造特征的差异而需要不同数量的局部图像块来重建。论文采用动态的策略来确定K值,以增强算法的自适应性。实验结果表明,改进后的NPCI算法插值效果较原算法有明显提升。通过对比其他算法的插值效果可以发现,改进算法对各标准测试图像的模拟插值效果更好。