[發(fā)明專利]結(jié)合局部方向特征的數(shù)字圖像三倍插值放大方法

有效

• 申請?zhí)枺?/td>: 201210229927.3
• 申請日: 2012-07-04
• 公開（公告）號: CN102750668A
• 公開（公告）日: 2012-10-24
• 發(fā)明（設(shè)計）人: 和紅杰;趙亮;陳帆;尹忠科
• 申請（專利權(quán)）人: 西南交通大學(xué)
• 主分類號: G06T3/40
• 分類號: G06T3/40
• 代理公司: 成都博通專利事務(wù)所 51208
• 代理人: 陳樹明

1.一種結(jié)合局部方向特征的數(shù)字圖像三倍插值放大方法，其步驟如下：

1)方向特征提取

利用梯度、方向濾波或超小波方法提取出低分辨率圖像X＝{x_i，j|i＝1，2，……，m；j＝1，2，……，n}在0°、45°、90°和135°四個方向上的方向特征D_k(k＝1，2，3，4)：

Dk={di,jk|k=1,2,3,4}]]>

其中，k代表方向，k＝1，2，3，4分別對應(yīng)0°、45°、90°和135°的方向；m，n為低分辨圖像X的尺寸，方向特征D_k與X的大小相同；代表低分辨率圖像X相應(yīng)像素點x_i，j的第k個方向的方向特征；

2)三倍插值點的估計

2.1分類

低分辨率圖像的2×2子塊為三倍插值的最小插值單元，每個2×2子塊中的橫向豎向斜向均插入兩個插值點，即每個2×2子塊中含有4個已知點x_i，j、x_i，j+1、x_i+1，j、x_i+1，j+1和12個插值點，12個插值點分為同行插值點(x′_i，j+1、x′_i，j+2、x′_i+3，j+1、x′_i+3，j+2)、同列插值點(x′_i+1，j、x′_i+2，j、x′_i+1，j+3、x′_i+2，j+3)和非同行非同列插值點(x′_i+1，j+1、x′_i+2，j+1、x′_i+1，j+2、x′_i+2，j+2)三類；

2.2非同行非同列插值點的值估計

任意2×2子塊中已知點x_i，j+1和x_i+1，j的0°、45°、90°和135°方向特征分別為和

2.2.1初始化非同行非同列插值點的值：

令，x″₁＝x_i，j；x″₂＝x_i，j+1；x″₃＝x_i+1，j；x″₄＝x_i+1，j+1，

及a₁＝x′_i+1，j+1；a₂＝x′_i+1，j+2；a₃＝x′_i+2，j+1；a₄＝x′_i+2，j+2

則，aq=Σp=14wpq·xp′′,]]>q＝1，2，3，4，

而wpq=spq·tpqΣp=14spq·tpq]]>

其中，s_pq為已知點x″_p到插值點a_q的距離權(quán)重，s_pq＝(3-插值點a_q到已知點x″_p的水平距離)×(3-插值點a_q到已知點x″_p的垂直距離)/9；

t_pq是已知點x″_p到插值點a_q的方向權(quán)重，t_pq按下式進(jìn)行估計：

tpq=1+(hpq-14)]]>

hpq=gpq/Σp=14gpq]]>

其中g(shù)_pq表示已知點x″_p沿待插值點a_q方向的方向特征，由已知點x″_p四個方向中與待插值點a_q方向最接近的方向特征在x″_p沿a_q方向上的投影得到；

2.2.2更新非同行非同列插值點的值：

如果x_i，j+1和x_i+1，j的四個方向特征中都是45°方向特征最大，即則判定該子塊屬于45°強紋理區(qū)域，利用已知點x_i+1，j和x_i，j+1更新x_i+1，j的相鄰插值點x′_i+2，j+1和x_i，j+1的相鄰插值點x′_i+1，j+2的值，即：

xi+2,j+1′=23·xi+1,j+13·xi,j+1;]]>xi+1,j+2′=13·xi+1,j+23·xi,j+1]]>

如果x_i，j和x_i+1，j+1的四個方向特征中都是135°方向特征最大，即則判定該子塊屬于135°強紋理區(qū)域，利用已知點x_i，j和x_i+1，j+1求出x_i，j的相鄰插值點x′_i+1，j+1和x_i+1，j+1的相鄰插值點x′_i+2，j+2的值，即：

xi+1,j+1′=23·xi,j+13·xi+1,j+1;]]>xi+2,j+2′=13·xi,j+23·xi+1,j+1;]]>

2.3同行插值點的值估計

2.3.1上面行插值點的估計：

如果2×2子塊中上面一行的兩已知點x_i，j和x_i，j+1的四個方向特征中都是0°方向特征最大，即則判定該行屬于0°強紋理區(qū)域，利用已知點x_i，j和x_i，j+1求出x_i，j的相鄰?fù)胁逯迭cx′_i，j+1和x_i，j+1的相鄰?fù)胁逯迭cx′_i，j+2的值，即：

xi,j+1′=23·xi,j+13·xi,j+1;]]>xi,j+2′=13·xi,j+23·xi,j+1]]>

如果2×2子塊中上面一行的兩已知點x_i，j和x_i，j+1的四個方向特征中不滿足都是0°方向特征最大的條件，則利用同一行內(nèi)本子塊內(nèi)的兩個已知點(x_i，j，x_i，j+1)和左右相鄰子塊中的兩個最近已知點(x_i，j-1，x_i，j+2)對插值點x′_i，j+1和x′_i，j+2進(jìn)行估計：

x′_i，j+1＝α₁·x_i，j-1+α₂·x_i，j+α₃·x_i，j+1+α₄·x_i，j+2

x′_i，j+2＝α₁·x_i，j+2+α₂·x_i，j+1+α₃·x_i，j+α₄·x_i，j-1

其中[α₁，α₂，α₃，α₄]＝[-2，21，9，-1]/27，是三倍插值的核函數(shù)；如果x_i，j-1或x_i，j+2不存在，則只利用子塊內(nèi)的兩個同行已知點x_i，j和x_i，j+1對插值點x′_i，j+1和x′_i，j+2進(jìn)行估計：

xi,j+1′=23·xi,j+13·xi,j+1;]]>xi,j+2′=13·xi,j+23·xi,j+1]]>

2.3.2下面行插值點的估計：

如果2×2子塊中下面一行的兩已知點x_i+1，j和x_i+1，j+1四個方向特征中都是0°方向特征最大，即

則判定該行屬于0°強紋理區(qū)域，利用同行的兩已知點x_i+1，j和x_i+1，j+1求出x_i+1，j的相鄰?fù)胁逯迭cx′_i+3，j+1和x_i+1，j+1的相鄰?fù)胁逯迭cx′_i+3，j+2的值，即：

xi+3,j+1′=23·xi+1,j+13·xi+1,j+1;]]>xi+3,j+2′=13·xi+1,j+23·xi+1,j+1]]>

如果2×2子塊中下面一行的兩已知點x_i+1，j和x_i+1，j+1的四個方向特征中不滿足都是0°方向特征最大的條件，則利用同一行內(nèi)本子塊內(nèi)的兩個已知點(x_i+1，j，x_i+1，j+1)和左右相鄰子塊中的兩個最近已知點(x_i+1，j-1，x_i+1，j+2)對插值點x′_i+3，j+1和x′_i+3，j+2進(jìn)行估計：

x′_i+3，j+1＝α₁·x_i+1，j-1+α₂·x_i+1，j+α₃·x_i+1，j+1+α₄·x_i+1，j+2

x′_i+3，j+2＝α₁·x_i+1，j+2+α₂·x_i+1，j+1+α₃·x_i+1，j+α₄·x_i+1，j-1

其中[α₁，α₂，α₃，α₄]＝[-2，21，9，-1]/27，是三倍插值的核函數(shù)；如果x_i+1，j-1或x_i+1，j+2不存在，則只利用子塊內(nèi)的兩個同行已知點x_i+1，j和x_i+1，j+1對插值點x′_i+3，j+1和x′_i+3，j+2進(jìn)行估計：

xi+3,j+1′=23·xi+1,j+13·xi+1,j+1;]]>xi+3,j+2′=13·xi+1,j+23·xi+1,j+1]]>

2.4同列插值點的估計

2.4.1左面列插值點的估計：

如果2×2子塊中左面一列的兩已知點x_i，j和x_i+1，j的四個方向特征中都是90°方向特征最大，即

則判定該列屬于90°強紋理區(qū)域，利用已知點x_i，j和x_i+1，j求出x_i，j的相鄰?fù)胁逯迭cx′_i+1，j和x_i+1，j的相鄰?fù)胁逯迭cx′_i+2，j的值，即：

xi+1,j′=23·xi,j+13·xi+1,j;]]>xi+2,j′=13·xi,j+23·xi+1,j]]>

如果2×2子塊中左面一列的兩已知點x_i，j和x_i+1，j的四個方向特征中不滿足都是90°方向特征最大的條件，則利用同一列內(nèi)本子塊內(nèi)的兩個已知點x_i，j，x_i+1，j和上下相鄰子塊中的兩個最近已知點x_i-1，j，x_i+2，j對插值點x′_i+1，j和x′_i+2，j進(jìn)行估計：

x′_i+1，j＝α₁·x_i-1，j+α₂·x_i，j+α₃·x_i+1，j+α₄·x_i+2，j

x′_i+2，j＝α₁·x_i+2，j+α₂·x_i+1，j+α₃·x_i，j+α₄·x_i-1，j

其中[α₁，α₂，α₃，α₄]＝[-2，21，9，-1]/27，是三倍插值的核函數(shù)；如果x_i-1，j或x_i+2，j不存在，則只利用子塊內(nèi)的兩個同列已知點x_i，j和x_i+1，j對插值點x′_i+1，j和x′_i+2，j進(jìn)行估計：

xi+1,j′=23·xi,j+13·xi+1,j;]]>xi+2,j′=13·xi,j+23·xi+1,j]]>

2.4.2右面列插值點的估計：

如果2×2子塊中右面一列的兩已知點x_i，j+1和x_i+1，j+1四個方向特征中都是90°方向特征最大，即

則判定該列屬于90°強紋理區(qū)域，利用同列的兩已知點x_i，j+1和x_i+1，j+1求出x_i，j+1的相鄰?fù)胁逯迭cx′_i+1，j+3和x_i+1，j+1的相鄰?fù)胁逯迭cx′_i+2，j+3的值，即：

xi+1,j+3′=23·xi,j+1+13·xi+1,j+1;]]>xi+2,j+3′=13·xi,j+1+23·xi+1,j+1]]>

如果2×2子塊中右面一列的兩已知點x_i，j+1和x_i+1，j+1的四個方向特征中不滿足都是90°方向特征最大的條件，則利用同一列內(nèi)本子塊內(nèi)的兩個已知點x_i，j+1，x_i+1，j+1和上下相鄰子塊中的兩個最近已知點x_i-1，j+1，，x_i+2，j+1對插值點x′_i+1，j+3和x′_i+2，j+3進(jìn)行估計：

x′_i+1，j+3＝α₁·x_i-1，j+1+α₂·x_i，j+1+α₃·x_i+1，j+1+α₄·x_i+2，j+1

x′_i+2，j+3＝α₁·x_i+2，j+1+α₂·x_i+1，j+1+α₃·x_i，j+1+α₄·x_i-1，j+1

其中[α₁，α₂，α₃，α₄]＝[-2，21，9，-1]/27，是三倍插值的核函數(shù)；如果x_i-1，j+1或x_i+2，j+1不存在，則只利用子塊內(nèi)的兩個同列已知點x_i，j+1和x_i+1，j+1對插值點x′_i+1，j+3和x′_i+2，j+3進(jìn)行估計：

xi+1,j+3′=23·xi,j+1+13·xi+1,j+1;]]>xi+2,j+3′=13·xi,j+1+23·xi+1,j+1]]>

2.5令x′_i，j＝x_i，j；x′_i，j+3＝x_i，j+1；x′_i+3，j＝x_i+1，j；x′_i+3，j+3＝x_i+1，j+1，這四個像素點和2.2-2.4步得到的同行插值點x′_i，j+1?x′_i，j+2?x′_i+3，j+1?x′_i+3，j+2、同列插值點x′_i+1，j?x′_i+2，j?x′_i+1，j+3?x′_i+2，j+3、非同行非同列插值點x′_i+1，j+1?x′_i+2，j+1?x′_i+1，j+2?x′_i+2，j+2一起即構(gòu)成4×4的插值后子塊；

3)將所有的4×4的插值后子塊進(jìn)行重構(gòu)，組成的圖像X′，X′＝{x′_i′，j′|i′＝1，2，……，3m；j′＝1，2，……，3n}即為完成三倍插值放大的高分辨率圖像。

2.根據(jù)權(quán)利要求1所述的一種結(jié)合局部方向特征的數(shù)字圖像三倍插值放大方法，其特征在于，所述的步驟1)中用超小波方法提取低分辨率圖像的四個方向特征D_k(k＝1，2，3，4)的具體做法為：

1.1對低分辨率圖像X進(jìn)行超小波方法中的曲波變換得到曲波系數(shù)矩陣集合M_u，v，其中u∈[1，N]為尺度參數(shù)，v∈[0°，360°]為方向參數(shù)；

1.2將曲波系數(shù)矩陣M_u，v中的第二尺度層以上的從-22.5°到157.5°的范圍內(nèi)的曲波系數(shù)按方向劃分為0°，45°，90°和135°四個矩陣集合，分別記為E₁，E₂，E₃和E₄：

1.3分別將曲波系數(shù)矩陣M_u，v中屬于E_k(k＝1，2，3，4)矩陣的系數(shù)保留而將其余系數(shù)置0，再進(jìn)行曲波逆變換，得到相應(yīng)的四個方向特征矩陣D_k(k＝1，2，3，4)，

Dk={di,jki=1,2,......,m;j=1,2,......,n;k=1,2,3,4}.]]>