图像缩放算法研究

论文摘要

图像缩放在数字视频处理领域中发挥着重要作用。图像的分辨率调整和格式变换,都需要用到图像缩放技术。随着多媒体技术和大规模集成电路的发展,利用硬件实现视频图像无级缩放己成为图像处理研究的一个重要课题。通常使用插值技术进行图像缩放。传统的图像插值算法由于在整幅图像上使用统一的数学模型,而与图像内容无关,这样缩放后的图像出现细节和边缘处模糊,影响了插值后图像的质量。为了改进传统图像插值算法的不足,文献中出现了很多边缘自适应插值算法。但是,此类边缘自适应算法要么因为复杂度较高,而不利于硬件实现;要么对于纹理区域的处理效果不好。而且,很多边缘自适应插值算法对于边缘检测没有很好的解决办法,容易出现边缘方向的误判。为了解决上述问题,本文做了如下几个方面的研究工作:1、系统地回顾了图像插值理论、传统的多项式插值及逼近算法,比较了这些算法的性能优劣;2、重点研究了边缘检测算子以及几种典型的边缘自适应插值算法,发现用ALC算法(自适应低复杂度图像缩放算法)特别适合处理包含丰富纹理的图像,并且通过实验数据证明了ALC算法对纹理区域的插值效果远远优于传统图像缩放算法;3、提出了改进的边缘自适应插值算法(IEAI)。该算法针对硬件实现,做了两个方面的改进:简化了边缘方向的确定;提出用三次B样条逼近来进行平坦区域的插值。边缘方向检测过程的简化大大降低了计算复杂度,而三次B样条逼近不仅插值效果好,还对高斯白噪声有一定的抑制作用;4、基于傅里叶分析和主客观质量评价,本文在实验中对各类图像插值算法的性能进行了比较和分析。

论文目录

• 摘要
• ABSTRACT
• 致谢
• 第一章 绪论
• 1.1 图像缩放技术概述
• 1.2 数字图像缩放方法分类
• 1.3 当前图像缩放算法中存在的问题
• 1.4 本文研究的主要内容
• 第二章 图像插值理论及算法
• 2.1 采样理论
• 2.2 Sinc 函数插值
• 2.2.1 无限sinc 插值
• 2.2.2 有限sinc 插值
• 2.3 最近邻插值
• 2.4 线性插值
• 2.5 二次多项式插值
• 2.5.1 二次逼近
• 2.5.2 二次插值
• 2.6 三次多项式插值
• 2.6.1 B 样条（B spline）逼近
• 2.6.2 B 样条插值
• 2.6.3 三次卷积
• 2.6.4 Mitchell 和Netravali 方法
• 2.7 拉格朗日插值
• 2.8 高斯插值
• 第三章 图像的自适应缩放技术
• 3.1 边缘的基础知识和研究现状
• 3.1.1 边缘的含义和意义
• 3.1.2 边缘检测的研究现状
• 3.1.3 多种边缘检测算子
• 3.2 边缘自适应插值
• 3.2.1 增强ELA 算法
• 3.2.2 递归定向插值方法
• 3.2.3 基于局部梯度的低复杂度自适应插值算法（ALC）
• 3.3 改进的边缘自适应插值算法（IEAI）
• 第四章 图像缩放算法性能评估与分析
• 4.1 傅里叶分析
• 4.2 插值质量评价
• 第五章 全文总结与展望
• 参考文献
• 攻读硕士学位期间发表的论文