一种基于非线性扩散的图像放大算法

针时传统图像放大处理过程中基于线性插值方法通常导致边缘模糊问题,分析了Tikhonov模型、全变差模型和高阶偏微分模型在图像处理中的优缺点,提出了一种全变差和高阶偏微分模型自适应结合的图像放大模型及推导算法.该模型对图像非平滑区域采用全变差模型处理,而平滑区域则采用高阶偏微分模型处理,最终新插入的图像点象素值由该点邻域象素自适应地各向异性加权得到,在保持图像边缘锐度的同时有效克服了平滑区域的阶梯效应.4种模型的实验比较验证了本文算法的有效性.     

各向异性扩散方程和一种图像放大方法

小波的多分辨分析和变分方法相结合,提出一个图像平滑和放大同时实现的正则化模型.主要思想是把原图像作为放大图像的小波子带,对正则化泛函模型求变分导出Euler-Lagrange方程.图像放大和平滑同时实现.利用可加算子分裂(AOS)格式求非线性扩散方程的数值解.最后数值计算的实例说明对图像放大和平滑的有效性.     

基于各向同性和各向异性扩散图像放大

提出基于各向同性和各向异性扩散两种图像放大模型.把图像的像素看作是平面物体的温度,利用偏微分方程和图像放大理论设计相应算法.通过比较这两种新模型与其他的方法,取得较好的实验结果.     

基于格子波尔兹曼的图像修复模型研究

在研究格子波尔兹曼图像修复模型的基础上,提出了一种改进的模型,该模型通过引入调节函数,使图像在梯度变化较大的区域减弱其扩散强度,在梯度变化较小的区域增强其扩散强度,同时引入调节因子来控制其作用强度。实验结果证明改进后的模型具有更好的修复效果。     

基于梯度和拉普拉斯算子的图像扩散变分模型

采用图像扩散的变分方法可以有效地设计边缘保持或增强的图像恢复模型。传统的模型往往基于图像强度的梯度,所得到的结果在本该光滑的区域具有明显的阶梯效应。为此,提出了基于梯度和拉普拉斯算子的图像扩散变分模型,以期实现在对图像进行噪声去除的同时,保持或增强图像的边缘,并消除单纯基于梯度模型导致图像光滑区域的阶梯效应。对变分模型中光滑项的设计,首先针对一维模型的分析得出基于梯度和拉普拉斯算子模型向前、后扩散的条件,然后将其推广到二维图像扩散,并在设计的有限差分方法基础上,对所提模型的有效性进行了实验验证,效果良好。     

非纹理图像修复的非线性扩散方法

目的 在分析经典的非纹理数字图像修复方法 的基础上,提出用三阶非线性扩散方法 修复非纹理图像.方法 考虑将等照度线的曲率作为一个控制传导率的因素引入非线性扩散方程与梯度特征相结合.实现图像修复.结果 相比于BSCB方法 ,具有数学处理上的统一性,简便易于实现;相比于CDD算法.能够在短时间内更好地修复污损区域.结论 适合于修复非纹理灰度和彩色图像.     

基于复合抛物样条的图像放大算法的设计与实现

图像放大是数字图像处理中常用的技术,图像放大首先对图像进行空间变换,其次对图像进行灰度插值.放大后的图像视觉效果如何在实际应用中显得尤为重要.因此图像放大问题的焦点是如何在图像放大过程中保持良好的视觉分辨率和清晰度.图像放大有许多算法,其关键在于对未知像素点使用何种插值方式.本文提出了一种比传统插值算法更好的算法即复合抛物样条插值,来实现图像的放大.实验结果表明,相对于传统的图像放大算法,本文的算法不仅较好的保留了原始图像的细节信息,而且还提高了放大图像的边缘平滑度,同时也减小了图像放大算法的运算量.     

基于TV-Stokes模型的分裂型图像放大算法

文中提出了一种基于TV-Stokes模型的分裂Bregman图像放大算法。第一步,考虑切向量的散度约束为零,模型转化为一个类Stokes型方程。第二步,采用快速的分裂Bregman迭代算法重构放大图像。数值实验中,通过与双线性插值、LLT模型图像放大方法进行比较,表明了文中算法的有效性。     

保持边缘的快速图像实时放大增强算法

从单幅低分辨率的图像中重建出高分辨率的图像的技术在计算机视觉和模式识别等领域有着非常广泛的应用。近年来,虽然单帧图像超分辨率算法已经有了大量的研究,且也能取得较好的效果,但这些方法大多由于计算复杂度较高而并不适合实际的应用。因此,本文提出了一种新的基于图像中边缘曲率的快速插值算法。该算法首先采用最近邻算法对图像中待填充格点进行插值,然后根据图像中亮度的二阶方向导数来逐步迭代修正插值点的像素值。考虑到图像插值会带来一定程度的模糊,该算法在图像插值后对图像进行增强,从而进一步提高图像的视觉质量。通过大量主观感受和客观评价指标的实验表明,与传统的基于边缘的图像插值算法(NEDI)相比,该算法不仅能实现视频的实时放大,并且能获得较高品质的放大图像。     

Navier-Stokes方程在图像放大中的应用

利用基于流体动力学方程的模型进行图像放大处理。该模型有各向异性的扩散项和对流项,利用多种信息传播模式对未知信息进行填补。实验结果表明模型在图像放大处理的有效性。     

基于各向异性扩散的图像放大法

在分析图像特点以及常规插值方法放大图像一些不足之处的基础上,根据文[7]的思想方法,以及放大图像的边缘位置要对应于原先图像的边缘位置的原则,先用边缘提取算子（如Canny算子）得到待放大图像的边缘位置,再经过三次样条插值,得到放大图像的边缘位置,最后运用各向异性扩散,在非边缘区域,将经过常规插值方法放大的图像进行光滑化处理．实验证明,该方法是一种处理时间短且效果不错的图像放大方法．     

基于三次样条插值的图像放大的离散算法

针对李将云等(2003)提出的图像放大离散算法，分析其不足之处，并对简单的二值图像以及一般的灰度级较少的图像，用三次样条插值方法，提出一套新的离散放大算法．实验结果表明，该算法可以得到较好的放大效果．它适用于灰度级较少的数字图像，尤其是二值图像，并且这种图像放大方法的放大倍数没有限制．     

基于一类偏微分方程的图像放大法

在分析常见的图像插值放大方法和已有的偏微分方程图像放大方法不足之处的基础上,根据图像放大特点,利用图像放大过程中边缘的可预知性,并注意到图像放大的偏微分方程理论模型,提出一类新的基于偏微分方程的图像放大方法,这是一类线性、具有定向扩散性质的偏微分方程模型,它在非边缘区域表现为线性各向同性扩散,在边缘上则演变成几乎是沿边缘方向的一维扩散．实验及统计结果表明,该方法是一种快速且有效的图像放大方法．     

一种图像放大的离散算法

根据李将云等人(2003)所提出的数字图像的离散放缩算法，分析其不足之处，并对简单的二值图像以及一般的灰度图像提出一套新的离散放大算法．该算法可使图像放大任意实数倍．应用该算法能使放大后的图像边界清晰，忠实地反映原始图像的面貌．实验证明，该方法也是一种有效的图像放大算法．     

基于Thiele型向量连分式插值的彩色图像放大方法

提出了将向量有理插值用于图像的无级放大方法。该方法是将图像的每一个像素看作是平面域的关于RGB三原色的一个向量,利用Thiele型向量连分式建立有理插值函数,实现图像的无级放大。通过实验证明,该方法能有效地用于彩色图像的放大处理,并且算法简单,易于实现。     

基于PDE的图像放大方法研究

对基于微分方程(partial differential equation,PDE)的图像放大方法的实现及应用效果进行了比对研究.具体实现了朱宁等人的线性PDE图像放大方法和基于P-M方程的非线性PDE图像放大方法.实验结果表明,线性PDE图像放大方法在平滑区域具有较好的放大效果;而在放大倍数不大的情况下,非线性PDE图像放大方法能更好地处理边缘区域.     

基于二维EMD的图像分层放大方法

提出了一种新的图像分层放大方法,在各层上体现图像的局部和全局的相关性,弥补了传统插值放大中的不足.其原理是先将图像用二维经验模态分解(empirical mode decomposition,EMD)方法分解为具有不同复杂程度的图层,在每一分解层上分别设计一种组合放大方法,其中组合系数密切相关于图层的复杂度,最终的放大结果再由EMD逆过程得到.实验结果和数据表明这种方法能够取得良好的图像放大效果.