基于含参有理函数的图像插值理论及技术研究-计算机应用技术专业论文.docxVIP

基于含参有理函数的图像插值理论及技术研究-计算机应用技术专业论文.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于含参有理函数的图像插值理论及技术研究-计算机应用技术专业论文

摘 摘 要 i i 摘 要 图像插值是数字图像处理领域的重要内容,目的在于由低分辨率的图像重建对应 的高分辨率图像。图像插值技术在数字摄影、医学图像、计算机视觉等领域有着广泛 的应用,多年来一直是图像处理中的研究热点。虽然已有相对成熟的插值算法在商业 硬件和软件产品中应用,但是兼顾图像边缘与细节、有效平衡算法速度与插值精度仍 然是图像插值研究中的重点和难点问题。 本文以插值函数的研究为基础,通过分析一类含参数的双变量有理插值函数的性 质,构建了基于此类插值函数的图像插值模型。在模型理论分析与实验验证的基础上, 研究了插值函数性质与图像插值效果之间的内在关系。本文的主要贡献在于: 第一,提出了一种新的自适应图像插值算法。该算法利用 C1 连续有理函数含有 可调参数,且具有简单显性数学表达式的特性,在研究有理函数构造的基础上,采取 等值线分析方法将原始图像自适应的分解为平滑和边缘两部分。把视觉感知与图像结 构相融合,将像素结构复杂视觉关注度高的边缘区域、结构简单视觉关注度低的平滑 区域,分别采用含参数的有理函数与双三次多项式做图像插值,以降低运算复杂度。 其中,参数是由人眼对比敏感特性确定。实验表明本算法细节信息保持优于当前经典 的图像插值算法, 具有较好的视觉效果。 第二,构造了一种有理函数的混合和加权图像插值模型。该模型的构造将原始模 型旋转加权组合来改变原始模型的非对称性。以消除原始模型的不对称性导致的被插 图像产生锯齿现象。权值由基于点采样的不同尺度边缘性质确定,可使插值模型能够 自适应的贴合图像不同尺度的边缘像素特征。实验证明,由于加权和混合操作,此算 法能够有效的避免在图像边缘的锯齿等人工痕迹。 第三,建立了参数优化的 C2 连续有理函数插值模型。模型既保持 C2 连续有理函 的对称性,又通过约简优化参数来改变其多参数造成运算复杂的缺点。有理函数具有 确定逼近误差,利用其逼近的收敛性,参数采用迭代求解方法来确定。实验表明,本 方法得到的图像质量不仅有较高的客观质量评价数值,在主观评价上能够保持图像原 有的纹理、基本去除了边缘锯齿现象,同时与当前提出的优秀算法比较更加有竞争力。 第四,基于对上述构建的插值模型实验验证,分析了有理函数光滑度、参数改变 对插值图像的影响。我们建立的插值模型在细节和边缘区域都具有良好的视觉效果, 基于含参有理函数的图像插值理论和技术研究 基于含参有理函数的图像插值理论和技术研究 ii ii 且容易实现。同时,可以通过一次运算完成对图像进行任意倍数的放大。对此类有理 函数来说,C1 连续模型要比 C2 连续模型简单;相比 C1 连续函数,C2 连续函数得到 的图像质量无论是实验数据还是视觉效果,都优于 C1 连续函数,所以平滑是影响此 类函数插值效果的首要因素。调整参数对有理函数插值的影响略低于光滑性的影响。 但是参数在此类有理函数图像插值中起积极的作用,可以增加自由度,使得图像插值 与其他理论结合,例如人眼视觉敏感度、能量控制等。 关键词:有理函数;图像插值;人眼对比敏感度;加权混合;参数最优化 Abstract Abstract PAGE PAGE iii Abstract Image interpolation plays an important role in digital image processing, which aims at reconstructing a high-resolution image from a corresponding low-resolution image. It has been widely used in digital photography, medical imaging, computer vision, and all kinds of consumer electronics. Image interpolation is one of the hot topics in image processing. Although there are some relatively mature methods which are widely used in commercial hardware and software products, it still has some important and difficult problems needed to be solved, such as fitting to edge and detail areas, the tradeoff between algorithm complexity and accuracy etc. In this work, we c

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档