论文部分内容阅读
图像插值在图像处理领域中具有重要的作用，包括线性插值和非线性插值两类，其中线性插值方法计算简单，插值效率高，能够在光滑的图像区域取得较好的处理效果。但是由于线性插值算法处理的全局性，它不能够较好的处理图像的边缘细节部分，易在细节丰富的区域产生模糊现象。由于边缘信息对人眼主观感知具有重要的影响，很多学者更加关注于基于边缘的图像上采样算法，并提出了基于边缘保持的图像插值算法。本论文对该类算法进行了归纳总结，发现了该类算法虽然具有较高的插值精度但是运算复杂度大。本论文即是针对SAI算法的复杂度高的缺点进行改进，首先采用双边滤波与EM算法替代NEDI算法进行参数估计，其次，根据平滑像素的简单性及人眼对平滑块锯齿现象的不易察觉性给出了基于像素类型的快速图像插值技术。接下来，本论文首先针对视频图像增强算法的功能单一性，只能处理特定问题的特点，给出一个基于人类视觉系统的视频图像后处理技术统一模型，然后在该模型的基础上进一步研究视频图像插值技术。具体为本文算法1采用简单的双边滤波和EM算法对SAI算法的参数估计模型进行了改进，本文算法2基于像素类型对算法1进一步改进。实验结果表明，本文算法中基于双边滤波和EM算法改进的SAI算法插值图像的峰值信噪比相对于SAI算法与双三次插值算法分别能够平均提高约0.4dB、0.8dB，基于像素类型改进的插值图像的峰值信噪比相对于SAI算法与双三次插值算法分别能够平均提高约0.3dB、0.7dB。基于结构相似度(SSIM)值本文算法1相对于SAI算法与双三次插值算法都平均提高0.07，本文算法2相对于SAI算法与双三次插值算法都平均提高0.06。本文算法1与本文算法2相比SAI算法插值时间有提高，由SAI算法平均用时3.879s降为0.154s与0.113s。