數(shù)字圖像處理文獻綜述-在線瀏覽
2025-08-04 06:27本頁面
【正文】 有線性和非線性兩種，這兩種方法又分別包含多種方法，圖像線性插值可看作是原始圖像經(jīng)過一個線性濾波器或線性插值函數(shù)的輸出，插值過程是首先把插值圖像的相素坐標映到原始圖像坐標中，映射后的坐標值通常不是整數(shù)，然后通過線性插值方法根據(jù)該坐標周圍的相素值得到該相素的灰度值。傳統(tǒng)的插值方法有最近鄰法，雙線性插值法和雙三次立方插值方法，這些經(jīng)典插值算法的基本原理相同，首先找到與輸出圖像相素相對應(yīng)的輸入圖像點，然后通過計算該點附近某一相素集合的加權(quán)平均值來指定輸出相素的灰度值，其他相素不考慮。近年來，人們提出了很多新的插值放大算法?；诨叶鹊牟逯捣椒ㄖ袘?yīng)用最廣泛的是線性插值, Herman等人將3 次樣條插值用于醫(yī)學圖像插值上[ 1, 2 ] ,算法簡單易行,但也存在與線性插值一樣的缺點。在國內(nèi),孟晉宇等提出的插值算法在提取圖像輪廓、進行多邊形逼近時克服了已往多邊形要盡可能相似的缺點[ 6 ] 。吳良武等[7]提出一種基于擬合分界線的插值放大算法,該算法包括分割和插值放大兩個步驟:分割是搜索出灰度圖像的突變象素點,并用三次均勻B樣條把它們擬合為光滑分界線,以把整幅圖像分割為若干子區(qū)域。不久，侯建華等[8]又提出了一種基于邊緣的圖像放大算法。第1步使用能量優(yōu)化方法，從離散的邊緣曲線數(shù)據(jù)恢復(fù)成連續(xù)而光順的邊緣曲線，這些曲線將圖像分為若干個區(qū)域；第2步基于這些光順曲線，針對不同的區(qū)域分別進行圖像插值放大計算。Unser[10,11]等人提出將數(shù)字圖像網(wǎng)點上的像素值插值成B樣條曲面，由此再從原始和目標兩種圖像按誤差最小的條件構(gòu)造出新的多項式樣條，并給出了最優(yōu)的樣條算法。孫慶杰等提出了基于Bezier曲面的放大方法[13]。車生兵等[15]根據(jù)圖像相鄰像素的關(guān)聯(lián)性，擴充圖像邊緣像素，采取首行與首列（或者末行與末列）填充的方法，利用ERBF核函數(shù)做已知像素點的曲線擬合，解決了采樣點中不包含原始圖像像素點的缺陷。何坤金等[17]提出了一種簡單的參數(shù)均勻插值曲線表示方法,分析了該表示法的相關(guān)性質(zhì),并提出了該插值曲線光滑拼接的方法。定向插值通過對圖像局部灰度值梯度的分析估計圖像邊緣方向，在圖像邊緣方向上保持光滑，在邊緣跳變方向上保持邊緣的可分辨性，提高了圖像的分辨率。該方法根據(jù)低分辨協(xié)方差和高分辨協(xié)方差之間的幾何對偶特性，對原始低分辨圖像進行局域協(xié)方差估計，利用所得到的低分辨局域協(xié)方差估計進行高分辨自適應(yīng)插值。王立國等[24]提出一種新的墓于線性預(yù)測模型的邊緣保持算法。黨向盈等[25,26]提出了一種基于圖像邊緣多方向最大相關(guān)性的快速數(shù)字圖像插值算法。隨后又提出一種在傳統(tǒng)插值圖像基礎(chǔ)上，對高分辨率圖像進行邊緣檢測算法,該算法處理彩色圖像時，先進行色融合，再檢側(cè)；然后根據(jù)邊緣多方向梯度特征,對邊緣鄰接像素點作優(yōu)化處理。謝征等[27]提出了新的圖像輪廓線光順數(shù)值算法,對輪廓線劃分的兩類子區(qū)域提出了精度更高的插值算法。Qing Wang等[29]提出基于等照度線方向的自適應(yīng)插值的方法。 本人的研究思路Ⅰ、對已知兩幅斷層圖像進行分割，得到不同密度物質(zhì)的分割值醫(yī)學圖像對于不同的組織器官有不同的灰度值。根據(jù)圖像灰度值得到兩幅根據(jù)空氣、脂肪、軟組織、和骨骼劃分的圖像，并且對其進行相應(yīng)的標記。Ⅱ、利用數(shù)學形態(tài)學的方法，得到被插值圖像每個區(qū)域的輪廓由I得到兩幅4值斷層圖像，接著要確定已知兩幅斷層圖像上每種密度物質(zhì)的輪廓，分別用和（i=0，1，2，3）表示分割得到的4個不同密度物質(zhì)區(qū)域的邊界。對于任意位于圖像Vk某個輪廓上的點Si= (xi, yj,zk ),即(xi, yj,zk )∈來說，對應(yīng)于圖像Vk+1上的點Si= (xi, yj,zk+1 )，只能有以下3種情況：① 點Si= (xi, yj,zk+1 )在輪廓內(nèi)，但不在上。② 點Si= (xi, yj,zk+1 )既不在輪廓上，也不在輪廓內(nèi)，即該點和點(xi, yj,zk )
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1