基于亞像素邊緣檢測(cè)的圖像放大算法研究與實(shí)現(xiàn).pdf

1、在圖像放大問(wèn)題的研究中,邊緣的清晰程度往往成為判斷圖像放大質(zhì)量的重要依據(jù)。本文將圖像放大過(guò)程分為邊緣圖像插值放大和內(nèi)部圖像插值放大兩個(gè)部分,重點(diǎn)研究邊緣圖像插值放大問(wèn)題,其中邊緣圖像插值放大問(wèn)題主要包括亞像素邊緣檢測(cè)和圖像插值算法兩個(gè)子問(wèn)題,以上述兩個(gè)子問(wèn)題作為研究主線(xiàn),改進(jìn)算法,最后通過(guò)軟件對(duì)算法進(jìn)行實(shí)現(xiàn)。
　　本文首先以整數(shù)級(jí)邊緣檢測(cè)算子作為研究對(duì)象,明晰經(jīng)典檢測(cè)算子的數(shù)學(xué)形式和檢測(cè)原理,對(duì)不同算子進(jìn)行仿真實(shí)驗(yàn),在對(duì)比其檢測(cè)效

2、果圖和算法優(yōu)缺點(diǎn)的基礎(chǔ)上,選擇了Canny邊緣檢測(cè)算子作為本文圖像邊緣檢測(cè)的算子。針對(duì)Canny算子參數(shù)固定的局限性,對(duì)高斯濾波器變換特性進(jìn)行改進(jìn),使高斯濾波器的空間尺度因子可以隨圖像變化自適應(yīng)改變,并依據(jù)濾波信息頻率隨空間尺度因子正比增大的原理,分別針對(duì)不同種類(lèi)圖像信息驗(yàn)證改進(jìn)算法的可行性。對(duì)原始圖像進(jìn)行灰度均值化、椒鹽噪聲等特殊處理,提高邊緣檢測(cè)的難度,以此進(jìn)一步證明改進(jìn)自適應(yīng)Canny檢測(cè)算子的優(yōu)越性。通過(guò)Matlab實(shí)驗(yàn),改進(jìn)C

3、anny算子能夠有效地保證邊緣檢測(cè)的精準(zhǔn)性和虛假邊緣的剔除性,結(jié)果較傳統(tǒng)檢測(cè)方法細(xì)致全面,能夠準(zhǔn)確描述圖像細(xì)化信息;對(duì)圖像加入隨機(jī)噪聲和椒鹽噪聲干擾,對(duì)比結(jié)果表明,改進(jìn)Canny算子能夠有效地分辨高頻噪聲和邊緣,在保證邊緣完整性的前提下,減少偽邊緣。通過(guò)比對(duì)改進(jìn)前后檢測(cè)結(jié)果,證明本文提出的改進(jìn)Canny算子檢測(cè)邊緣的準(zhǔn)確性和具有虛假邊緣剔除能力。
　　在整數(shù)級(jí)邊緣粗檢測(cè)的基礎(chǔ)上,著力研究亞像素邊緣檢測(cè)的原理,將亞像素邊緣檢測(cè)分為亞

4、像素邊緣定位和亞像素灰度計(jì)算兩部分。學(xué)習(xí)擬合法亞像素邊緣定位的基本原理,分析比較各種擬合算法的精確度和復(fù)雜度,選擇曲線(xiàn)擬合法進(jìn)行亞像素級(jí)邊緣定位,針對(duì)二次曲線(xiàn)擬合過(guò)程中邊緣確定方法未區(qū)分相異方向邊緣的局限性,提出改進(jìn)的最小值法和加權(quán)法,以期改善原方法的局限。選擇曲面擬合像素分割算法,對(duì)像素進(jìn)行分割,結(jié)合曲線(xiàn)擬合定位中對(duì)邊緣方向的選擇,確定亞像素灰度。建立圖像分割質(zhì)量評(píng)價(jià)體系,針對(duì)傳統(tǒng)均方誤差的上述不足和曲面擬合亞像素分割算法的特點(diǎn)以及圖

5、像分割的特點(diǎn),本文提出了分級(jí)加權(quán)均方誤差評(píng)價(jià)指標(biāo)的概念,對(duì)于同一整數(shù)像素分割得到的不同位置亞像素灰度,計(jì)算均方誤差時(shí)依據(jù)整數(shù)像素分割級(jí)別賦予不同權(quán)重,以此提高均方誤差的精度,從而完成高質(zhì)量的圖像分析,評(píng)價(jià)圖像分割質(zhì)量。綜合亞像素邊緣定位和灰度計(jì)算方法,提出了一種基于曲線(xiàn)擬合和曲面分割位置灰度多向結(jié)合的亞像素邊緣檢測(cè)算法,并將其應(yīng)用于本文的圖像放大算法中。
　　針對(duì)某一圖像插值放大可以分解為內(nèi)部圖像插值放大和邊緣圖像插值放大。本文在

6、介紹多種傳統(tǒng)插值算法(包括線(xiàn)性插值算法和非線(xiàn)性插值算法)的基礎(chǔ)上,對(duì)圖像信息進(jìn)行分類(lèi),依據(jù)內(nèi)部圖像低頻平滑性,選擇雙線(xiàn)性算法對(duì)內(nèi)部像素點(diǎn)進(jìn)行插值放大。由于本文同時(shí)精確了邊緣的亞像素位置和亞像素灰度,不宜采用以整數(shù)灰度值作為計(jì)算模板的傳統(tǒng)亞像素邊緣檢測(cè)算法;本文設(shè)計(jì)基于誤差反向傳播神經(jīng)網(wǎng)絡(luò)的計(jì)算模型作為邊緣亞像素灰度提取的函數(shù)逼近方法,定義低分辨率單位元,用已檢測(cè)出的亞像素邊緣點(diǎn)作為訓(xùn)練數(shù)據(jù),通過(guò)反向傳播學(xué)習(xí)算法自適應(yīng)地調(diào)整權(quán)值,實(shí)現(xiàn)邊緣

7、函數(shù)逼近。
　　建立圖像放大質(zhì)量評(píng)價(jià)體系,從主觀視覺(jué)感受和客觀數(shù)據(jù)分析兩方面評(píng)價(jià)圖像放大質(zhì)量,對(duì)本文提出的圖像放大算法進(jìn)行仿真實(shí)驗(yàn),計(jì)算放大后圖像的平均梯度值,試驗(yàn)結(jié)果表明,相對(duì)傳統(tǒng)的圖像放大算法,本文提出的算法鋸齒現(xiàn)象明顯減弱,邊緣更加清晰,放大效果較好。從主觀和客觀兩方面驗(yàn)證算法的正確性。
　　本文借助VisualC++6.0開(kāi)發(fā)環(huán)境通過(guò)原始圖像加載、整數(shù)像素邊緣檢測(cè)、亞像素邊緣檢測(cè)、圖像插值放大和圖像保存等過(guò)程實(shí)現(xiàn)本文