图像内插是一种有效的根据一幅低分辨率图像获取对应的高分辨率图像的数字图像处理技术,其在安全监控、军事侦察和医疗成像等多个领域有着非常广泛的应用。本文首先介绍图像内插的基本原理,以及四类常见的图像内插算法的基本原理或其典型范例,然后本文着重研究了基于局部滤波模型的图像内插算法。局部滤波模型,指的是某个像素由其局部区域中的像素拟合而成,包括自回归模型和滤波器模型。本文的工作主要包括如下两个方面:1、提出一种改进的基于软判决自回归模型图像内插算法,方法分为正则化系数的训练和图像内插两个阶段。在训练阶段,根据图像的局部窗口特征和其对应的最优正则化系数建立一个正则化系数字典。在图像内插阶段,根据局部窗口中各已知像素与中心像素的相似度,对已知像素赋予权重,并利用加权最小二乘法估计分段自回归模型参数,再通过查找字典中距离当前窗口最近的样本获得最优正则化系数,然后使用软判决估计方法重建图像内插值。同时,使用EM算法将图像内插值反馈回分段自回归模型参数的估计,以修正估计出的模型参数和图像内插值。实验显示,所提内插算法能够更好地保留图像的边缘信息。2、提出一种基于双边滤波器的滤波参数估计的图像内插算法,该方法的主要目标是:通过更精确地估计双边滤波器的滤波参数(即灰度距离)从而获得更好的内插效果。方法主要分为两个阶段:1)基于方向参数的滤波参数的初始估计。2)基于半局部参数估计的滤波参数的精确估计。基于方向参数的滤波参数的初始估计,使用主成分分析技术检测未知像素所处局部区域的边缘方向,并根据人眼的视觉特性将边缘方向量化为0°、45°、90°和135°等四个方向,再分别选取不同的方向参数来估计当前的灰度距离。基于半局部参数估计的滤波参数的精确估计,在初始估计获得的高分辨率内插图像的基础上计算半局部区域内的所有高分辨率的灰度距离与当前灰度距离的局部结构相似度,再选取最相似的若干高分辨率的灰度距离并结合最大似然估计算法来更精确地估计当前灰度距离。实验结果表明,所提算法能够获得更好的主观和客观的重建效果。