如今,随着科技的发展,数字图像的分辨率越来越高,然而在实际应用中,图像极易受到外界各种条件的干扰,在很多情况下,要获得高分辨率的优质图像就变成了一件难事。例如,受到传输条件的限制,或者受到噪声的干扰,图像的清晰度就会大大下降,对图像进行放大后,将无法保持原有的视觉效果。所以提高放大图像的清晰度是目前迫切需要解决的问题,我们需要一些有效实用的放大图像清晰化的方法。论文对各种传统图像放大方法进行了研究,发现使用传统的插值方法放大后会在图像中产生错误的高频分量,使得放大后的图像要么边缘锯齿化要么图像模糊不清。根据小波具有多分辨率分析功能和逐渐局部细化等性质,结合小波变换的图像放大方法,能在一定程度上缓解传统插值引起的不良效果。所以论文采用了小波变换结合传统的插值模型对图像进行放大,提高放大图像的清晰度。然而小波方法同样存在一些缺点,首先是放大后图像明显变暗,其次是当待放大图像像素较低时,同样出现锯齿边缘和不同程度的区域模糊,影响了图像的视觉效果。鉴于小波方法放大后存在灰度值变暗的问题,论文对图像变暗的原因进行了分析,对小波放大方法加以改进,得到了较理想的效果。而对于小波放大方法存在锯齿边缘和区域模糊的问题,我们考虑对小波放大后的图像进行后处理,以改善图像的放大效果。鉴于偏微分方程模型是连续而稳定的且数值方案灵活多样的优点,考虑采用偏微分方程对放大图像做修正处理,以提高放大后图像的质量。一方面对插值所带来的锯齿化有一定的平滑作用,另一方面是对插值所引起的边缘模糊化有一定的改善。经过实验比较,采用自蛇模型对放大图像进行修正处理时,在消除插值带来的锯齿化效果时它与其它处理方法的效果一样理想,而在处理边缘模糊化时,自蛇模型在有效的抑制模糊的同时,还具有增强边缘锐度的作用。同时,论文在自蛇模型的基础上进行了改进,主要改善了它的边缘停止函数,新的边缘停止函数与传统的边缘停止函数相比,停止算子较小,使得在对图像进行后处理的时候能够对边缘进行较为细致的处理。而且新的边缘停止函数还减少了梯度门限k,降低了边缘函数的复杂性,在有效改善放大图像效果的同时,保证了较快的处理速度。最后,论文结合了小波方法和改进自蛇模型,对视频图像进行处理。针对无噪声图像,使用小波自蛇的方法,对图像进行放大和清晰化处理；而针对噪声图像,使用自蛇小波的方法,对图像进行清晰化和放大处理。同时论文设计了实验界面,以图形界面的形式展示了各种方法放大清晰化图像的效果。