基于边缘保持的压缩图像超分辨率内插算法.doc

中图法分类号：TP301.6 文献标识码：A 文章编号：1006-8961(200 ) - - 论文引用格式： 自适应对称自回归模型的压缩图像内插方法 刘婧1，干宗良1，崔子冠1，陈昌红1，朱秀昌1 （1.南京邮电大学江苏省图像处理与图像通信重点实验室，南京, 210003） 摘 要：目的：大多数图像内插方法只考虑低分辨率图像的下采样降质过程，忽略编码噪声的影响。提出一种新的自适应对称自回归模型的压缩图像内插方法。方法：假设局部图像相似的图像块具有相同的图像内插模型。方法分为训练和重建两个阶段。在训练阶段，首先，对训练图像采用主成分分析提取图像块的局部梯度主方向，根据方向进行一次分类，分别建立各个方向的对称自回归模型和训练集；其次，对每个方向的训练集，根据图像基元特征，利用K均值聚类方法进行二次分类；最后，对每个二次分类训练子集，选择其所属方向类的模型，使用有约束的最小二乘法估计对应于该子集的模型系数。在重建阶段，首先根据测试图像块的局部梯度主方向，确定方向类别，再计算测试块基元特征和该方向类中所有聚类中心的欧式距离，选择具有最小欧式距离的聚类中心的自回归模型用于内插。结果：文章采用8种不同的测试图片和JPEG的2种量化方式条件下进行测试，与7种典型的图像内插相比，结果表明文章所提出的内插方法能够有效的克服编码噪声的影响，PSNR和SSIM均优于其他方法。结论：文章提出一种采用自适应对称的自回归模型的压缩图像内插方法，具有较低的复杂度，可以适用于图像通信中增强图像的分辨率。 关键字：压缩图像；内插；训练；自适应；对称自回归模型； Novel compression image interpolation method using adaptive symmetrical autoregressive models Liu Jing1, Gan Zongliang1, Cui Ziguan1, Chen Changhong1, Zhu Xiuchang1 （1.Nanjing University of Posts and Telecommunications Jiangsu Provincial Key Lab of Image Processing and Image Communication, Nanjing 210003, China） Abstract：Objective: Most image interpolations only consider the quality degradation of low-resolution images by down sampling without accounting for quantization noise. This study proposes a novel compression image interpolation method using adaptive symmetrical autoregressive models. Methods: Blocks with similar local images are assumed to have the same interpolation model. The proposed method has two phases: training and reconstruction. In the training phase, , the local gradient direction is first obtained via principal component analysis (PCA) to classify all training blocks into four directions and to build the corresponding symmetrical autoregressive models and training sets for every direction. Second, the training sets for every direction are classified into subclasses according to the basic features of the K-means clustering algorithm. Finally, the model of the direction to which each subclass belongs is chosen, and the constrained least square method is used to estimate th