删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于NSCT的区域自适应图像插值算法

本站小编 Free考研考试/2022-01-01

范清兰1,2,3,张云峰1,2,3,包芳勋4,沈晓红1,2,3,姚勋祥1,2,3,
1(山东财经大学计算机科学与技术学院 济南 250014); 2(山东省数字媒体技术重点实验室 济南 250014); 3(山东省高校经济运行动态仿真重点实验室 济南 250014); 4(山东大学数学学院 济南 250100) (fan_qinglan@163.com)
出版日期: 2018-03-01


基金资助:国家自然科学基金项目(61373080,61672018,61402261,U1609218);山东省重点研发计划项目(2016GSF120013);山东省高等学校优势学科人才团队培育计划

An Region Adaptive Image Interpolation Algorithm Based on the NSCT

Fan Qinglan1,2,3, Zhang Yunfeng1,2,3, Bao Fangxun4, Shen Xiaohong1,2,3, Yao Xunxiang1,2,3
1(School of Computer Science & Technology, Shandong University of Finance and Economics, Jinan 250014); 2(Shandong Provincial Key Laboratory of Digital Media Technology, Jinan 250014); 3(Economic Operation and Dynamic Simulation Key Laboratory of Shandong Colleges and Universities, Jinan 250014); 4(School of Mathematics, Shandong University, Jinan 250100)
Online: 2018-03-01







摘要/Abstract


摘要: 提出一种基于非下采样轮廓波变换(nonsubsampled contourlet transform, NSCT)的分区域自适应插值算法,将图像划分为不同区域,相应地采用不同的方法实现图像插值.首先,构造了一类有理函数插值模型,分析了其C\+2连续性条件,给出了误差估计.其次,通过NSCT捕获到图像的边缘轮廓信息,利用其高频信息的统计特性设定阈值,根据阈值将图像自适应地划分为边缘区域和非边缘区域.最后,边缘区域采用新的基于边缘指导的插值(new edge-directed interpolation, NEDI)模型,非边缘区域采用C\+2连续有理函数模型插值,进而得到目标图像.实验结果证明:提出的基于NSCT的区域自适应插值算法与当前经典插值算法相比,在处理图像纹理细节和边缘方面具有明显优势,同时获得了较好的客观评价数据,且时间复杂度较低.






[1]谭建豪, 张思远. 基于自适应空间正则化的视觉目标跟踪算法[J]. 计算机研究与发展, 2021, 58(2): 427-435.
[2]周航, 詹永照, 毛启容. 基于时空融合图网络学习的视频异常事件检测[J]. 计算机研究与发展, 2021, 58(1): 48-59.
[3]胡晓艳, 童钟奇, 徐恪, 张国强, 郑少琦, 赵丽侠, 程光, 龚俭. 命名数据网络中的视频传输研究综述[J]. 计算机研究与发展, 2021, 58(1): 116-136.
[4]刘思, 张德干, 刘晓欢, 张婷, 吴昊. 一种基于判定区域的AODV路由的自适应修复算法[J]. 计算机研究与发展, 2020, 57(9): 1898-1910.
[5]李德权, 许月, 薛生. 基于动态约束自适应方法抵御高维鞍点攻击[J]. 计算机研究与发展, 2020, 57(9): 2001-2008.
[6]刘艳芳, 李文斌, 高阳. 基于自适应邻域嵌入的无监督特征选择算法[J]. 计算机研究与发展, 2020, 57(8): 1639-1649.
[7]朱颖雯, 陈松灿. 基于随机投影的高维数据流聚类[J]. 计算机研究与发展, 2020, 57(8): 1683-1696.
[8]邢新颖, 冀俊忠, 姚垚. 基于自适应多任务卷积神经网络的脑网络分类方法[J]. 计算机研究与发展, 2020, 57(7): 1449-1459.
[9]贾颖霞, 郎丛妍, 冯松鹤. 基于类别相关的领域自适应交通图像语义分割方法[J]. 计算机研究与发展, 2020, 57(4): 876-887.
[10]舒坚, 高素, 陈宇斌. 基于自适应广义回归神经网络的链路质量评估[J]. 计算机研究与发展, 2020, 57(12): 2662-2672.
[11]吴桦,王凌,程光. 基于DASH流媒体的TCP拥塞控制算法优化[J]. 计算机研究与发展, 2019, 56(9): 1965-1976.
[12]郭亚庆,王文剑,苏美红. 一种针对异常点的自适应回归特征选择方法[J]. 计算机研究与发展, 2019, 56(8): 1695-1707.
[13]刘昊霖,池金龙,邓清勇,彭鑫,裴廷睿. 基于自适应局部搜索的进化多目标稀疏重构方法[J]. 计算机研究与发展, 2019, 56(7): 1420-1431.
[14]席亮,王勇,张凤斌. 基于自适应人工鱼群FCM的异常检测算法[J]. 计算机研究与发展, 2019, 56(5): 1048-1059.
[15]施亚虎,石海龙,崔莉. EasiDARM:基于分布式的物联网设备自适应注册方法[J]. 计算机研究与发展, 2019, 56(3): 453-466.





PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3657
閹存劒璐熺拠鍙ュ敩鐞涱煉绱濋崚鍡曢煩鐠囧墽鈻肩挧鍕灐闁剧偓甯寸亸杈厴閼惧嘲褰�40%閹绘劖鍨氱挧姘舵尪閿涳拷
閹恒劌绠嶇挧姘舵尪閺夊啰娉妴鍌濐嚦娴狅綀銆冮崣顖炩偓姘崇箖娴滄帟浠堢純鎴犵搼闁柨绶炴稉鐑樻拱缁旀瑦甯归獮鍨吅娴肩姭鈧钒IP娴兼艾鎲抽垾婵撶礉閻€劍鍩涢柅姘崇箖鐠囧彞鍞悰銊ф畱閸掑棔闊╅柧鐐复閹存牗鎹i幎銉ㄥ枠娑旀澘鎮楅敍宀冾嚦娴狅綀銆冮懢宄板絿40%閹绘劖鍨氶妴鍌濐嚦娴狅綀銆冪拹顓濇嫳閺堫剛鐝禒璁崇秿娴溠冩惂閿涘苯娼庢禍顐㈠綀9閹舵ǜ鈧倸鐨㈤崚鍡曢煩闁剧偓甯撮妴浣规崳閹躲儱娴橀悧鍥╃搼閿涘苯褰傞崚鏉款劅閺嵚ゎ啈閸ф稏鈧胶娅ㄦ惔锕佸垱閸氀佲偓浣镐簳閸楁哎鈧礁浜曟穱掳鈧傅Q缁屾椽妫块妴浣虹叀娑斿簺鈧浇鐪撮悺锝囩搼閸氬嫬銇囬獮鍐插酱閵嗭拷
相关话题/计算机 图像 数据 信息 网络

鐟曚焦澹橀懓鍐埡閼板啫宕ユ稉鎾茬瑹鐠囧墽婀℃0妯糕偓渚€顣芥惔鎾扁偓浣筋潒妫版埊绱垫潻娆撳櫡鐠у嫭绨搾鍛弿閿涗礁婀痪鍨帳鐠愬綊妲勭拠浼欑磼
2娑撳洨顫掗懓鍐埡閼板啫宕ラ悽闈涚摍娑旓讣绱欐0妯虹氨閵嗕浇顫嬫0鎴欌偓浣稿弿婵傛绁弬娆欑礆閸欏﹤宸婚獮瀵告埂妫版﹫绱濆☉鐢垫磰547閹碘偓闂勩垺鐗�4娑撳洣缍戞稉顏団偓鍐埡閼板啫宕ユ稉鎾茬瑹缁夋垹娲伴妴浣解偓鍐埡閸忣剙鍙$拠鎾呯礄閺€鎸庝笉閼昏精顕㈤弫鏉款劅閿涘鈧拷40缁夊秳绗撴稉姘鳖敋婢诡偓绱欓柌鎴g€虹涵鏇烇紜閵嗕府BA閵嗕礁娴楅梽鍛櫌閸旓紕顢氭竟顐犫偓浣规煀闂傝绱堕幘顓狀敋婢诡偁鈧胶銇炴导姘紣娴f粎顢氭竟顐ょ搼閿涘鈧拷28缁鎮撶粵澶婎劅閸旀稓鏁电涵鏇氱瑩娑撴哎鈧拷1130缁夊秶绮¢崗鍛婃殌閺夋劑鈧倹妫ょ拋鐑樺亶閺勵垳婀℃0妯荤川缂佸啨鈧線顣芥惔鎾冲煕妫版﹫绱濇潻妯绘Ц婢跺秳绡勯弫娆愭綏閿涘奔绔存稉鐚嘔P娴兼艾鎲抽崸鍥у讲濠娐ゅ喕閹劎娈戦棁鈧Ч鍌樷偓锟�