基于NEDI插值的图像分辨率提升算法

医学图像、遥感图像等图像受到成像设备等因素的限制,一般分辨率较低。为得到高质量的高分辨率图像,提出了对低分辨率图像采用NEDI插值方法提高图像的分辨率,利用高斯滤波器进一步对高分辨率图像去噪的算法。将该算法应用于灰度图像的分辨率提升后,不仅获得了边缘较为清晰的图像,同时有效地抑制了边缘噪声,图像视觉质量较好。

改进型快速NEDI图像插值实现算法

针对经典新边缘指导插值(NEDI)算法存在的计算复杂度高、硬件实现困难、插值系数误差累计导致放大图像边缘噪声大的缺陷,提出一种改进的快速NEDI算法。算法采用圆形窗口计算插值系数,且该插值系数在高倍放大中可重复使用,避免了迭代计算插值系数引入的误差,并节省了迭代计算的时间。同时,对边缘区域非中心像素插值时,采用和被插点相邻的6个原像素点估计高分辨率图像的局部协方差。最后给出实验,并与双立方插值及经典NEDI算法进行比较。实验结果表明,使用改进算法插值后的图像边缘更加清晰,消除了大比例缩放时锯齿现象,提高了图像的视觉质量,计算复杂度也较经典NEDI算法大大降低。

一种基于自适应多窗口选择的NEDI改进算法

经典NEDI(New Edge-directed Interpolation)算法计算插值系数时使用矩形模板,存在不能兼顾模板内像素方向性的缺陷,而且在插值时仅使用单一窗口,可能导致高低分辨率上协方差不满足几何对偶性,造成插值后图像边缘存在比较明显的振铃现象,影响视觉质量。针对该问题,采用中心位于待插值点的圆形模板计算插值系数,并进一步依据最小均方差判决准则提出一种自适应多窗口选择方法来确定最佳的插值窗口。实验结果表明,相对于传统的插值方法,该算法能够更好地保持边缘信息,插值结果具有良好的视觉效果,峰值信噪比也得到了明显提高。

基于新边缘指导插值的迭代反投影超分辨率重建算法

基于改进Keren配准算法的迭代反投影(IBP)超分辨率重建算法,使用双线性插值方法获得高分辨率图像的初始估计,导致重建图像产生边缘锯齿效应。针对该问题,提出一种基于新边缘指导插值(NEDI)的IBP超分辨率重建算法。利用低分辨率图像与高分辨率图像的局部协方差间的几何对偶性,通过计算低分辨率图像各像素点的局部协方差系数,得到高分辨率图像待插值像素点的值。实验结果表明,该算法能够有效减小边缘锯齿,提高峰值信噪比,降低均方根误差,并改善图像的主观视觉效果。

几种插值算法的比较研究

在图像放大处理中,一般都会用到插值算法,为了实时性的要求,在保证放大效果的基础上,希望插值算法尽可能简单。插值指利用某一个函数来计算出2个或更多的值之间的值。文中就常用的NEDI、DUBE、9-Direction、KR(kernel re-gression)等的理论基础和算法原理做了分析,通过采用四种插值算法对图像进行缩放处理操作,可以直观比较它们处理后的效果。文中使用matlab仿真工具分别就这四种算法对典型的lena、flower和night图像进行了处理,并对它们的处理结果加以比较,最后总结了四种算法各自的特点。

基于改进POCS算法的太赫兹图像超分辨率重建

在太赫兹成像系统中,因衍射极限而导致图像具有较低的空间分辨率。为了提高图像的分辨率,提出了一种改进的凸集投影(POCS)算法。采用新的边缘指导插值(NEDI)算法获取初始图像;采用对中心像素在边缘的模板系数加权的方式优化点扩散函数,并且加权值能随边缘与水平方向夹角的改变而自适应调整。利用太赫兹扫描成像系统生成0.5 THz图像进行算法验证。实验结果表明:该算法重建后图像峰值信噪比较传统POCS算法提升1.02 dB,验证了改进算法的有效性。

基于FPGA的新边缘指导插值算法硬件实现

针对图像超分辨率算法中新边缘指导插值算法(NEDI)计算复杂度较高、软件计算时间较长的问题,提出基于Cholesky分解的可扩展NEDI算法硬件设计方案.采用Cholesky分解方法简化NEDI算法中复杂的矩阵求逆运算,采用Goldschmidt算法设计低延时定点数除法器加速矩阵求逆运算,使用多周期计算方法隐藏数据相关性带来的数据等待时间并减少硬件资源使用.为了减少硬件资源的消耗,根据NEDI算法在不同大小窗口下核心计算部分的不变性,使用固定资源设计可扩展算法核心电路,采用可变资源设计扩展电路,在FPGA上实现该电路设计.实验结果表明,可扩展NEDI算法硬件的关键路径延时为7.007 ns,工作频率大于100 MHz.与使用PC端软件计算的结果相比,可扩展NEDI算法硬件电路计算结果的误差为0.1%,计算速度是使用PC端软件计算的51倍.

一种改进的基于序列的超分辨率图像重建算法

该文提出了一种基于多帧的NEDI超分辨率图像重建算法。该算法先利用POCS方法将多帧序列的运动估计补偿到低分辨率图像中,然后再利用NEDI方法对补偿后的图像进行超分辨率图像重建,通过实验仿真证明该算法是有效的。

New Edge-Directed Interpolation Based-Lifting DWT and MSPIHT Algorithm for Image Compression

The amount of image data generated in multimedia applications is ever increasing. The image compression plays vital role in multimedia applications. The ultimate aim of image compression is to reduce storage space without degrading image quality. Compression is required whenever the data handled is huge they may be required to sent or transmitted and also stored. The New Edge Directed Interpolation (NEDI)-based lifting Discrete Wavelet Transfrom (DWT) scheme with modified Set Partitioning In Hierarchical Trees (MSPIHT) algorithm is proposed in this paper. The NEDI algorithm gives good visual quality image particularly at edges. The main objective of this paper is to be preserving the edges while performing image compression which is a challenging task. The NEDI with lifting DWT has achieved 99.18% energy level in the low frequency ranges which has 1.07% higher than 5/3 Wavelet decomposition and 0.94% higher than traditional DWT. To implement this NEDI with Lifting DWT along with MSPIHT algorithm which gives higher Peak Signal to Noise Ratio (PSNR) value and minimum Mean Square Error (MSE) and hence better image quality. The experimental results proved that the proposed method gives better PSNR value (39.40 dB for rate 0.9 bpp without arithmetic coding) and minimum MSE value is 7.4.