资源描述:
《非局部的变分正则化图像放大算法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、非局部的变分正则化图像放大算法摘要:针对chambolle图像放大模型存在分块效应,提出一种非局部的变分正则化图像放大算法。该算法的思想是构造一个适用于图像放大的变分泛函,该泛函由正则项和数据保真项构成,其中图像的正则项是用非局部全变差范数进行估计,进而用迭代投影方法求泛函的最小解,即为放大后的图像。与传统的图像插值方法不同,该算法是用变分的思想进行图像放大,非局部全变差的引入更使得该算法不只是利用图像的单个像素点,或某一邻域内的灰度和梯度信息进行放大,而是更大范围地利用了图像本身的信息,这将更有效地保留图像特征,避免了
2、chambolle方法在图像放大时出现的分块效应。实验结果表明,该算法能更好地保留边缘和细节信息,放大图像的清晰度比chambolle图像放大方法和样条插值的效果要好。关键词:图像放大;变分泛函;非局部全变差variationalimagezoomingbasedonnonlocaltotalvariationjiangdonghuan*,xuguangbao,dongyechanglei(collegeofinformationscienceandengineering,shandonguniver
3、sityofscienceandtechnology,qingdaoshandong266590,china)abstract:aregularizedimagezoomingmodelbasedonnonlocaltotalvariationwasproposed,withregardtothatthechambolleimagezoomingmodelhasblockyeffects.itconsistedofregulartermandfidelityterm.thezoomedimagewasobtainedb
4、yminimizingthevariationalfunctionwhichusedthenonlocaltotalvariationnormtomeasuretheregularityoftheimage.unlikethetraditionalimagezoomingbyinterpolation,thevariationalmodelwasincorporatedinthenewzoomingalgorithmandtheuseofnonlocaloperatormadethealgorithmnotjustuse
5、asinglepixeloftheimage,orgrayandgradientinformationinaneighborhoodtoamplify,butusetheinformationofimagecontentitselfwidelythatwillavoidblockyeffectsofchambollesmodel.theexperimentalresultsshowthatthenewalgorithmcanpreservebettertheborderanddetails.itachievesbett
6、ereffectthanchambollesmethodandtheinterpolationbyusingspline.keywords:imagezooming;variationalfunction;nonlocaltotalvariation0引言图像放大是一种从一幅低分辨率图像获得其高分辨率版本的图像处理技术。它在图像显示、图像分析、动画制作以及电影合成等领域均有广泛的应用,已经成为图像处理、计算机视觉和计算调和分析等多个学科领域上众多研究者关注的热点问题。传统的空域图像放大方法有平移重复插值、双线性
7、插值和样条插值等,这些方法简单并且易于实现,用于图像插值也取得了较好的效果,但这些方法都是根据一定的光滑性要求用一些已知的光滑函数逼近源图像。然而这种固定方式有很大的局限性,在图像放大倍数较高时会形成斑点以及在明暗区域出现偏移现象,而且放大倍数越大,这种现象越明显。由于这些固有缺陷,一些新的图像放大算法相继被提了出来,主要有小波插值放大、分形放大、偏微分方程放大以及基于全变差的图像放大算法。2005年,朱宁等[1]利用偏微分方程理论中的热传导数学模型提出一种热传导方程初边值问题的图像放大法,该方法首次将偏微分方程用
8、于图像放大问题;同年,谢美华等[2]提出先把原图像进行简单初始放大,然后再进行边缘增强锐化处理来得到高分辨率的放大图像;guichard等[3]用变分思想对图像放大问题进行建模,提出了一种基于全变差的图像插值方法,得到比较理想的放大效果;2004年chambolle[4]给出了基于全变差的图像放大的