灰度图像插值优化方法的研究

【摘要】：图像插值处理需要一幅参考图像或源图像以构造一幅新图像,其大小由设置的插值比例控制。该处理在许多领域有很重要的应用,包括卫星成像,医学成像,尤其在军用和民用电子产品领域。插值一幅数字图像,需要在源图像创建新空间并填入估计的像素值。如果估计技术精确度不高,则将得到一幅有可见痕迹且丢失细节的低分辨率图像。在超大图像数据库下,从低分辨率图像获得高分辨率是非常耗时的。但是,直接从传感器插值图像数据会导致细节不足,而在一些情况下,显示那些细节极为重要。而且,在多媒体系统中,用户浏览快速简洁,可以快速检索数据。 论文中,提出了图像插值技术,并对算法在速度和PSNR方面作了改进。 首先,提出了2种基于ACA的高分辨率图像插值算法。ACA最初由文献[118]提出,用于模拟电路缺陷的检测和标记,本文则用于处理图像插值问题。本论文提出的OBACA算法使用ACA确定有助于改善插值后输出图像分辨率的潜在像素。实验结果表明,本方案结果优于传统的双线性插值。本论文提出的第2个算法AACA,把图像像素的权重看作蚁群的信息素轨迹的函数。实验结果表明,AACA比OBACA算法要快。PSNR也比其他算法更优。 第二,论文提出了3种图像插值算法,均基于高分辨率图像插值的最小绝对值差对应的像素值,减少了计算量。第一种算法SAD,对插值点的4邻域点选其一作了重新处理,计算该点的值和双线性插值的均值,并乘上一个控制因子k,k值由实验分析确定。实验表明,SAD有效且和最近邻插值,双线性插值和双三次插值相比具有更高的PSNR.对SAD改进后称为ASAD算法,直接令插值点的像素值为对应最小绝对值差的像素值。实验表明,ASAD在MET和PSNR上都优于SAD。最后,提出的NNV算法使用了模计算方法,实验表明,比SAD和ASAD算法获得了更优的结果。 第三,论文提出了两种快速图像插值算法,一种基于勾股定理,另一种通过计算双线性加权平均,获得数字图像的高质量尺度变化,减少了像素组数量。第2种算法的理论分析表明PSNR和MET将优于传统的双线性插值(BI)算法,减少了BI加权平均操作次数,把直角三角形中的斜边和短边用图像像素绝对值差代替。两种算法和传统的插值算法相比,在处理速度和PSNR上都有更优的表现。 最后,论文基于ACO提出了图像边缘细化方法并用于数字图像插值。图像边缘细化方法应用于线性插值后ACO边缘检测之后。细化过程建模类似于旅行商问题(TSP),在应用ACO找到最细的边缘前,根据某些规则集,并行的更改或移除不需要的像素信息。实验表明,基于插值的边缘细化能获得更高的分辨率/质量,且视觉上优于其他插值算法,但计算量较大。 本论文提出的插值方法可以获得高分辨率,且插值快速。实验表明,这些方法可以提高PSNR和速度。下一步的工作可将之应用于彩色图像和实时低分辨率的图像插值。