数字图像插值

论文摘要

数字图像插值问题自上世纪六十年代被提出来之后,出现了很多插值算法。并且由于其广泛地应用在医学成像诊断、图像去马赛克、遥感图像几何校正、视频大小转换等领域,目前它仍旧是数字图像处理中的研究热点之一在本文中,我们对近些年来提出的图像插值算法进行了综述,并针对传统图像插值算法中存在的锯齿现象和模糊现象,提出了三边滤波图像插值算法TFI。该算法基于自然图像边界形状平滑的假设,在插值时试图通过抑制图像边界凸出的像素点来达到抑制锯齿现象的目的。它先是根据图像的边界程度信息和空间像素点的距离信息,来确定待插值点周围四个最近邻点的加权系数,然后根据这四个点的加权平均求出未知点的初始估计。其次,为了得到更加清晰的图像边界,我们引入了初始估计值与四个最近邻点的光强相似度信息,来对这四点的加权系数进行校正,进而据此得到最终的估计值。仿真结果表明,TFI算法比起实验中对比的其它几种插值算法,能够产生更加清晰锐利的边界,并且在较大物体的边界区域,基本上能够完全抑制锯齿现象的产生。但是在细纹理区域（如对应单像素点物体的边界情况）,锯齿现象并不能有效地消除。为此,我们又提出了改进的TFI算法（MTFI）,它采用的是周围三个邻近点的加权平均而非四个。该算法对细纹理区的边界效果有所改观,尤其是当边界方向在45°或135°角方向附近时,锯齿现象基本上已不存在。我们提出算法的另一个特点,就是它们实现起来都比较简单,并且效率也比较高。对于我们的测试图像,实验表明,它们所耗费的时间比三次B-Spline插值还略为少一些。此外,为了进一步提高算法的效率,我们还可以把根据光强相似度进行边界清晰度校正的那一步骤省去,但这样一来模糊现象就无法去除了,不过这却能在效率和性能之间为用户提供另外一个选择。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 图像的概念介绍
• 1.2 数字图像处理简介
• 1.2.1 数字图像处理的发展历程
• 1.2.2 数字图像处理的特点
• 1.3 数字图像插值问题的提出背景和研究意义
• 1.3.1 数字图像插值问题的提出
• 1.3.2 研究数字图像插值问题的意义
• 1.4 论文结构安排
• 第二章 图像采样理论
• 2.1 采样方式
• 2.1.1 区域采样模型
• 2.1.2 点采样模型
• 2.2 采样理论
• 2.2.1 经典采样理论
• 2.2.2 广义采样理论
• 2.3 本章小结
• 第三章 数字图像插值现状概述
• 3.1 线性滤波插值
• 3.1.1 理想插值
• 3.1.2 Lagrange插值
• 3.1.3 B-Spline插值
• 3.1.4 三次卷积插值
• 3.1.5 平移线性插值
• 3.1.6 其它线性滤波插值
• 3.1.7 小结
• 3.2 基于图像边界的插值
• 3.2.1 显式边界信息
• 3.2.2 图像局部结构特征
• 3.2.3 小结
• 3.3 基于图像形状的插值
• 3.4 基于图像分类的插值方法
• 3.5 基于偏微分方程的图像插值
• 3.6 基于正则化的图像插值方法
• 3.7 基于图像统计信息的方法
• 3.8 基于变换域的插值方法
• 3.8.1 DCT变换
• 3.8.2 小波变换
• 3.8.3 小结
• 3.9 本章小结
• 第四章 基于图像边界形状平滑假设的插值算法
• 4.1 图像边界形状平滑假设的合理性
• 4.2 三边滤波图像插值
• 4.2.1 边界程度
• 4.2.2 空间距离
• 4.2.3 光强相似度
• 4.2.4 最终估计
• 4.2.5 算法流程
• 4.3 改进后的三边滤波图像插值
• 4.3.1 三点线性插值
• 4.3.2 改进后的三边滤波插值
• 4.4 本章小结
• 第五章 算法仿真结果与分析
• 5.1 仿真环境和实验数据说明
• 5.2 仿真结果的视觉效果对比分析
• 5.3 算法复杂度的比较分析
• 5.4 算法的优缺点总结
• 5.5 本章小结
• 第六章 结束语
• 参考文献
• 发表文章
• 致谢