基于稀疏与自相似表征的图像插值技术研究

Image interpolation plays an important role in various application fields such as digital image processing, satellite remote sensing, high definition (HD) video transmission, computer vision and many others. It has numerous application requirements and good industry prospects. Preserving edge and texture details is a challenge to image interpolation algorithms. In order to improve the performance of preserving image details, this project explore a new detail-preserving nonlinear interpolation technique based on the sparse and self-similar properties of images. Therefore, this study mainly focus on the theory and method for image component decomposition, the shape-preserving technique for texture component directional decomposition and interpolation, and the adaptive sparse filtering for distortion reduction. We also study the relative numerical methods for the aforementioned theories and develop a prototype system that allows a user to enhance image resolution. By fusing three key parts: image component decomposition, shape-preserving interpolation and adaptive sparse filtering, we make full use of sparse and self-similar properties of images to improve the perceived visual quality of the image. The research results of this project will provide a new theory and method for detail-preserving image interpolation, and provide a simple and efficient technique for various applications.

图像插值是数字图像处理、遥感监测、高清视频传输和计算机视觉等领域的共性科学问题和核心技术，具有广泛的应用需求和良好的产业前景。图像边缘和纹理等细节成分的有效处理是当前未被很好解决的热点和难点问题。本项目以此为切入点，针对图像插值过程中无法有效保持图像细节成分的问题进行研究，探索具有细节保持能力的图像插值技术。重点研究图像平滑成分和细节成分分解的理论和方法、细节成分的方向分解和方向保形插值方法以及具有细节保持能力的自适应保形稀疏滤波三部分，实现一个包含这些关键技术的图像插值原型系统。通过将上述三部分研究内容融合成一个有机整体，最大限度地利用图像的稀疏性和自相似性所提供的各种信息，以此来解决插值图像的细节保持问题。本项目的研究成果将为解决图像插值技术细节保持能力差的问题提供新思路、新理论和新方法，为图像插值在各领域的有效应用提供简单实用、稳定有效的新技术。

图像插值是图像处理与计算机视觉领域的关键技术之一，其难点在于如何有效地处理图像边缘和纹理等结构细节。本项目研究了图像所表现出的非局部自相似性，以及它所隐含的低秩和稀疏性。在此基础上，提出图像成分平滑处理的新方法，并从图像滤波的角度提出相关算法的快速实现。针对传统插值函数存在的问题，提出了具有一定自适应能力的有理插值函数。综合平滑滤波和有理插值函数，提出了具有结构保持能力的插值技术，从而为解决图像插值时的细节保留问题。此外，项目还进一步将非局部自相似理论扩展到图像缺陷检测领域。总体上，本项目很好地完成了各项预期目标，取得了一系列相关研究成果。