一种基于局部匹配的图像放大算法.docxVIP

一种基于局部匹配的图像放大算法 摘　要　本文给出了一种基于局部匹配的图像放大算法. 它的主要优点就在于能够较好地保持图 像的纹理特征,在主观和客观上都取得了很好的效果. 关键词：地方配套，图像放大，线性块 一个静态图像放大是计算机视觉的关键问题之一。据介绍不仅在小范围的承认，而且在许多领域，如图像分辨率和图像质量的提高。几乎所有的图像的像素插值扩大使用，但这些算法最不能解决的问题，有其扩大的图像纹理特征的丢失。最近，分形插值[1]并在保持纹理特征做更好。但图像分形有规模范围一般情况下，其不足是很难承认的规模范围内自动。在这里，我们利用相邻的两列或两个数字图像（行相似不承担在截止场景），并在它们之间适当的位置插入一个适当的灰度值，以放大该图像。因此，后被放大，图像的纹理特征，确保能与几乎没有失真。 1描述了地方匹配算法 相应的点的概念 我们选择任意连续2 n +1的A列中，像素定义为一个线性阻止他们，并调用为阻止米然后，我们提取物中的所有指定的列B中的列（线性块拾起块）旁边的列A计算均方误差之间的M座和每个块（均方差）在B列，并设法找到一个（命名为N座）和B列之间的均方误差最小的最小的微型和小型企业被命名为认知功能。充分利用M座中间点，并标记itx。获取中间点N块，并做标记ο（见图。1）。我们说，点ο是对应点的X，或点ο是点相应的点x（这行中的行为相同）。 工程是如何对应点 我们列举了“运动图像中运动矢量”来形容中华映管锥之间的关系点，其在下一列或行的对应关系。作为一个例子，我们选择两个相邻的列图。 2。 x是一在列A和像素ο是其对应的列从乙相应点的概念，我们可以得出这样的结论点ο灰度值必须非常密切该点的X。从向量x到ο已被标记图。 2。我们只是把它称为“议案载体“。有一个空白列两列之间插入。它相交的“议案矢量点“*。在这里，我们理所当然地认为沿着“运动矢量路线”，是图像的纹理延伸。所以这是一个好主意平均分配灰度值x和?在点ο*。因此，×，ο和三的灰度值非常接近对方，并在纹理特征是较好地保留了在三是插入。 图. 1块示意图和相应的定义地图点 图. 2“运动矢量”相交于一点*’空白列 途径，以减少误匹配 人们注意到，有可能发生故障时，在B列中搜索点ο是*’的信件，但“载体从*到ο”可能不是图像的纹理延伸。如果 发生这种情况，我们说的假匹配发生。为了减少这方面，我们采取局部搜索，而不是 全球1。在图。 3，ο是在B列像素点是平行的X在A列 ＃和三是其他两个像素在列B和之间的三距离或＃和ο ?都是住宅（这意味着是R - 之间的三一分或＃和ο）。我们的搜索窗口 只是2的R - 之间的三一分和＃在列B的另一种方法是减少误匹配 设置阈值。在搜索中的下一列或行相应的点上，我们可以设置一个 MMSE的门槛。如果大于阈值最小均方误差较大，我们认为没有找到对应。 另一个门槛应设置为绝对差异点（AD）的其 信函。如果广告是比这更大的门槛，通信将是无效， 书信往来，也没有发现。此外，改变了线性分组长度的有效期为 减少误匹配。我们可以很容易知道，较短的线性块，越假 匹配发生。 （例如，当块的长度达到1至少，我。大肠杆菌只有1点 块中，可能有很多观点在下一列或行接近或等于这个点灰色 价值，所以发生的概率显然是大断裂）。但是，如果块是太长， 可能没有在两列或行所有匹配的，因为没有比小的MMSE 门槛。因此，选择一个适当的块长度也很重要，以减少误匹配。 另外两个问题 当实现上述算法，两个问题将得到满足。其一是，一些空白像素可以插入多过一次，（在图.4，*是插入两次），另一个是一些像素从来没有插入任何值。对于第一种情况，我们将所有插入的灰度值一起并计算其平均值作为最终的价值。和第二的情况下，我们可以简单地使用4邻居的意思是插入空白像素，因为有那么这些空白区域的纹理和4邻居的方法将意味着它的影响较少. 2 结果与讨论 图.5 （a）地方配套插值; （b）自适应插值; （c）4，邻居插值; （d）原256 × 256伦娜形象 设n = 4 (i . e. 9选择作为一个连续线性块像素）,r = 3.地方配套使用算法放大128 × 128图像从伦娜256 × 256图像锐减。其结果如图.5（1）.作为比较，利用自适应插值放大图像[2]和插值4邻国意味着在图显示。 5（b）和图。 5（c）项，分别为。该客观的信噪比不同算法（信噪比）也给予标签.1.从图像图. 5和标签的数据. 1，我们可以看到，地方配套算法永远是最好的，是否从主题的效果或从对象信噪比。 图. 3素描搜索地图窗口