导读:本文包含了图像内插论文开题报告文献综述及选题提纲参考文献，主要关键词:内插算法,数字图像,峰值信噪比,信阳毛尖茶叶
图像内插论文文献综述
刘卓然,吴子林,曹乃欢,杨子群,陈新武[1]（2019）在《信阳毛尖茶叶数字图像内插算法研究》一文中研究指出本文以信阳毛尖茶低分辨率数字图像为研究对象,采用bilinear、bicubic、Nearest数字图像内插算法进行研究,通过视觉效果和峰值信噪比参数分析对比内插效果,发现bilinear和bicubic具有较好的内插效果,但运算时间略长。(本文来源于《内江科技》期刊2019年09期）
明星,杨艳,田冲,曾宪春,王少彧[2]（2018）在《对比Star-容积内插屏气检查序列与常规容积内插屏气检查序列胎儿脑图像质量》一文中研究指出目的对比分析Star-容积内插屏气检查(Star-VIBE)序列及常规容积内插屏气检查(VIBE)序列胎儿脑图像质量。方法对81名妊娠中晚期孕妇分别行Star-VIBE序列(自由呼吸)及常规VIBE序列MR体部扫描,比较2种序列图像中胎儿基底核及脑白质部位SNR及CNR,并比较胎儿脑沟回、基底核及丘脑、脑室系统、小脑及脑干部位2种序列图像质量评分。结果胎儿基底核及脑白质部位Star-VIBE序列图像的SNR、CNR均高于常规VIBE序列(P均<0.01)。胎儿脑沟回、基底核及丘脑、脑室系统、小脑及脑干部位Star-VIBE序列图像质量评分均高于常规VIBE序列(P均<0.01)。结论 Star-VIBE序列扫描获得的胎儿脑图像质量好于常规VIBE序列,显示胎儿颅内结构更清晰。(本文来源于《中国医学影像技术》期刊2018年12期）
李武超,王頔,郑念华,刘远成,田冲[3]（2018）在《常规叁维容积内插屏气检查序列与自由呼吸StarVIBE序列T1WI肝脏图像质量对比》一文中研究指出目的对比分析常规叁维容积内插屏气检查(VIBE)与StarVIBE序列的图像质量,探讨StarVIBE序列自由呼吸扫描在肝脏T1WI中的应用价值。方法对48例超声提示肝脏病变患者行StarVIBE序列自由呼吸扫描及常规VIBE序列屏气扫描,根据患者能否配合屏气16s分为无法屏气组(n=24)及配合屏气组(n=24);采用"5分法"对肝脏边缘锐利度、肝脏血管清晰度、病变清晰度、伪影、脂肪抑制效果及图像总体质量进行主观评分,并计算平扫信号强度变异系数(CV)及增强后病灶肝脏信号比(LLR);比较组内2序列间及2组间StarVIBE序列的图像质量差异。结果无法屏气组StarVIBE序列图像的主观评分及定量评估参数值均高于常规VIBE序列(P均<0.05);配合屏气组StarVIBE序列图像病灶清晰度(平扫)、伪影及脂肪抑制效果评分低于常规VIBE序列(P均<0.05),而2序列间其余主观评分及定量评估差异均无统计学意义(P均>0.05)。2组间StarVIBE序列LLR差异有统计学意义(P<0.05),各项主观评分及CV差异均无统计学意义(P均>0.05)。结论在肝脏T1WI中,对于能配合屏气患者,StarVIBE序列图像质量略差于常规VIBE序列;而对于无法屏气患者,StarVIBE序列可获得更佳图像质量。(本文来源于《中国医学影像技术》期刊2018年07期）
胡继瑶[4]（2015）在《基于局部滤波模型的图像内插算法的研究》一文中研究指出图像内插是一种有效的根据一幅低分辨率图像获取对应的高分辨率图像的数字图像处理技术,其在安全监控、军事侦察和医疗成像等多个领域有着非常广泛的应用。本文首先介绍图像内插的基本原理,以及四类常见的图像内插算法的基本原理或其典型范例,然后本文着重研究了基于局部滤波模型的图像内插算法。局部滤波模型,指的是某个像素由其局部区域中的像素拟合而成,包括自回归模型和滤波器模型。本文的工作主要包括如下两个方面:1、提出一种改进的基于软判决自回归模型图像内插算法,方法分为正则化系数的训练和图像内插两个阶段。在训练阶段,根据图像的局部窗口特征和其对应的最优正则化系数建立一个正则化系数字典。在图像内插阶段,根据局部窗口中各已知像素与中心像素的相似度,对已知像素赋予权重,并利用加权最小二乘法估计分段自回归模型参数,再通过查找字典中距离当前窗口最近的样本获得最优正则化系数,然后使用软判决估计方法重建图像内插值。同时,使用EM算法将图像内插值反馈回分段自回归模型参数的估计,以修正估计出的模型参数和图像内插值。实验显示,所提内插算法能够更好地保留图像的边缘信息。2、提出一种基于双边滤波器的滤波参数估计的图像内插算法,该方法的主要目标是:通过更精确地估计双边滤波器的滤波参数(即灰度距离)从而获得更好的内插效果。方法主要分为两个阶段:1)基于方向参数的滤波参数的初始估计。2)基于半局部参数估计的滤波参数的精确估计。基于方向参数的滤波参数的初始估计,使用主成分分析技术检测未知像素所处局部区域的边缘方向,并根据人眼的视觉特性将边缘方向量化为0°、45°、90°和135°等四个方向,再分别选取不同的方向参数来估计当前的灰度距离。基于半局部参数估计的滤波参数的精确估计,在初始估计获得的高分辨率内插图像的基础上计算半局部区域内的所有高分辨率的灰度距离与当前灰度距离的局部结构相似度,再选取最相似的若干高分辨率的灰度距离并结合最大似然估计算法来更精确地估计当前灰度距离。实验结果表明,所提算法能够获得更好的主观和客观的重建效果。(本文来源于《南京邮电大学》期刊2015-03-01）
刘婧,朱秀昌,干宗良,崔子冠[5]（2014）在《使用方向参数的双叁次图像内插方法》一文中研究指出传统的双叁次内插方法仅在水平和垂直方向估计丢失的像素,易在边缘或纹理区域产生抖动、振铃等现象。为了克服这种现象,提出一种新的使用方向参数的双叁次图像内插方法。对待内插的像素,首先在其邻域计算水平、垂直、45°和135°四个方向的梯度,以提取图像局部边缘的强度和方向。对强边缘上的像素,直接沿边缘方向采用对应方向的双叁次内插模型估计像素值;否则,先分别沿梯度较大的两个方向采用相应方向的双叁次内插模型估计像素,然后采用适当的权系数对所得结果加权平均。此外,为减小计算复杂度,方法中还根据图像局部方差的大小,动态使用双线性内插方法。相比于双叁次内插,提出的方法能有效地保存图像边缘和细节;同时,提出的方法还能够实现任意倍数的放大。实验结果表明,与现有的边缘导向的图像内插方法相比,提出的方法具有更好的主观和客观效果,同时计算复杂度并不高。(本文来源于《信号处理》期刊2014年10期）
严春梅,张维[6]（2014）在《基于最优流,分割和最优控制的图像序列内插》一文中研究指出介绍一种用最优控制论的方法解决图像序列内插问题,目的在于找到一个流场,使得第一个图像能够尽好地传输到第二个图像.对运输方程构建最优控制,通过正则化转化为求满足条件的最优的流场,并给出重整化解,及解的存在,唯一和稳定性.流场的散度有界和Sobolev空间的选择,使得问题不用强制满足莱布尼兹条件.在有界全变分框架下,罚项的弱下半连续得以保证,从而很好地将图像进行运输.最后将图像内插的最优控制方程与Chen-Vese的分割法相结合,用Landweber迭代法获得更快的迭代收敛速度.(本文来源于《太原师范学院学报(自然科学版)》期刊2014年03期）
刘婧,干宗良,崔子冠,陈昌红,朱秀昌[7]（2014）在《自适应对称自回归模型的压缩图像内插方法》一文中研究指出目的大多数图像内插方法只考虑低分辨率图像的下采样降质过程,忽略编码噪声的影响。提出一种新的自适应对称自回归模型的压缩图像内插方法。方法假设局部图像相似的图像块具有相同的图像内插模型。方法分为训练和重建两个阶段。在训练阶段,首先对训练图像采用主成分分析提取图像块的局部梯度主方向,根据方向进行一次分类,分别建立各个方向的对称自回归模型和训练集;其次对每个方向的训练集,根据图像基元特征,利用K均值聚类方法进行二次分类;最后对每个二次分类训练子集,选择其所属方向类的模型,使用有约束的最小二乘法估计对应于该子集的模型系数。在重建阶段,首先根据测试图像块的局部梯度主方向,确定方向类别,再计算测试块基元特征和该方向类中所有聚类中心的欧氏距离,选择具有最小欧氏距离的聚类中心的自回归模型用于内插。结果采用8种不同的测试图像在JPEG的2种量化方式条件下进行测试,与7种典型的图像内插相比,结果表明本文方法能够有效地克服编码噪声的影响,峰值信噪比(PSNR)和结构相似度(SSIM)均优于其他方法。结论本文方法具有较低的复杂度,可以适用于图像通信中增强图像的分辨率。(本文来源于《中国图象图形学报》期刊2014年09期）
胡继瑶,王翔,崔子冠,干宗良[8]（2014）在《一种改进的基于软判决自回归模型图像内插算法》一文中研究指出提出一种改进的基于软判决自回归模型图像内插算法,分为正则化权值训练和图像内插两部分。在训练部分,根据局部窗口特征和其对应的最优正则化权值建立字典。在图像内插部分,利用加权最小二乘法估计自回归模型参数,并通过查找字典中距离当前局部窗口最近的样本获得最优正则化权值,然后使用软判决估计重建图像内插值。同时,使用EM算法修正估计出的模型参数和图像内插值。实验结果表明,与其它算法相比,所提的内插算法具有更好的主观和客观效果。(本文来源于《南京邮电大学学报(自然科学版)》期刊2014年03期）
谢松昭[9]（2014）在《基于全相位双正交变换和全相位内插的图像压缩算法研究》一文中研究指出目前,基于DCT的JPEG图像压缩标准广泛应用在图像和视频压缩领域。其优点是在中、高码率的时候,重建图像质量较高,表现出良好的图像压缩性能；并且算法复杂度不高,容易实现。然而,在低码率的时候,JPEG编码存在严重的块效应。全相位双正交变换(APBT)利用全相位思想,考虑正交变换时所有可能的截取相位,可以有效地降低块效应,并且已经成功应用在图像压缩编码中。本文主要研究全相位双正交变换、全相位数字滤波以及全相位内插技术在图像压缩编码中的应用。本论文详细介绍了APBT理论以及基于APBT的类JPEG压缩算法。在APBT类JPEG压缩算法中,采用APBT取代传统JPEG标准中的DCT变换,并且量化过程采用均一量化而不是复杂的量化表。在低码率时,图像压缩质量明显提高,并且较好地消除了块效应。然而,简单的均一量化不一定是最优量化,利用非线性规划给出了最优量化矩阵,进一步提高了图像压缩质量。在此基础上,将APBT应用于彩色图像压缩编码,对分离的亮度和色度分量分别进行编解码。实验结果表明,基于APBT的彩色图像压缩算法表现出了优于传统算法的压缩性能。为进一步提高APBT类JPEG压缩算法的压缩性能,降低块效应,在编码端首先对原始图像进行下采样,然后在解码端通过内插恢复重建图像。其中,下采样之前进行了全相位DCT低通滤波,插值过程则采用了全相位DCT内插。仿真实验结果表明,该算法取得了良好的去块效果。针对Bayer模式图像特点,将基于APBT的类JPEG压缩取代传统压缩方案,提出了两种新的算法：基于结构分离和APBT的Bayer模式图像压缩,以及基于结构转换和APBT的Bayer模式图像压缩。其中,在插值恢复全彩色图像过程中,采用了全相位IDCT内插方法,并与多种传统内插方法进行了比较。实验结果表明,本文提出的两种算法在主客观方面重建图像的质量均要优于传统算法。(本文来源于《山东大学》期刊2014-05-17）
谢旭东,袁兆君,郭伟,张毅[10]（2014）在《基于噪点检测与邻域权值内插的彩色人脸图像去噪》一文中研究指出该文提出了一种基于彩色人脸图像训练库和Chebyshev不等式的有噪像素点检测算法,并利用像素间的相关性通过邻域权值内插算法,实现了彩色人脸图像的去噪。首先在L*a*b*颜色空间中进行主成分分析(principle component analysis,PCA)重建,然后定义了像素点向量距离差和像素点向量角度差,并给出有噪像素点判决准则,实现了有噪像素点与无噪像素点的区分,最后,利用像素点8邻域信息建立权值内插模型,结合PCA重建图像得到最终的去噪图像。在PIE标准人脸数据库中加入Gauss、椒盐、块噪声对该算法性能进行测试,并与其他几种去噪算法进行比较。实验结果表明:采用该算法去噪的彩色人脸图像具有更加清晰的边缘,保留了更多的有用信息,达到更高的峰值信噪比,且对多种噪声具有较好的去噪性能。(本文来源于《清华大学学报(自然科学版)》期刊2014年04期）
图像内插论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的对比分析Star-容积内插屏气检查(Star-VIBE)序列及常规容积内插屏气检查(VIBE)序列胎儿脑图像质量。方法对81名妊娠中晚期孕妇分别行Star-VIBE序列(自由呼吸)及常规VIBE序列MR体部扫描,比较2种序列图像中胎儿基底核及脑白质部位SNR及CNR,并比较胎儿脑沟回、基底核及丘脑、脑室系统、小脑及脑干部位2种序列图像质量评分。结果胎儿基底核及脑白质部位Star-VIBE序列图像的SNR、CNR均高于常规VIBE序列(P均<0.01)。胎儿脑沟回、基底核及丘脑、脑室系统、小脑及脑干部位Star-VIBE序列图像质量评分均高于常规VIBE序列(P均<0.01)。结论 Star-VIBE序列扫描获得的胎儿脑图像质量好于常规VIBE序列,显示胎儿颅内结构更清晰。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像内插论文参考文献
[1].刘卓然,吴子林,曹乃欢,杨子群,陈新武.信阳毛尖茶叶数字图像内插算法研究[J].内江科技.2019
[2].明星,杨艳,田冲,曾宪春,王少彧.对比Star-容积内插屏气检查序列与常规容积内插屏气检查序列胎儿脑图像质量[J].中国医学影像技术.2018
[3].李武超,王頔,郑念华,刘远成,田冲.常规叁维容积内插屏气检查序列与自由呼吸StarVIBE序列T1WI肝脏图像质量对比[J].中国医学影像技术.2018
[4].胡继瑶.基于局部滤波模型的图像内插算法的研究[D].南京邮电大学.2015
[5].刘婧,朱秀昌,干宗良,崔子冠.使用方向参数的双叁次图像内插方法[J].信号处理.2014
[6].严春梅,张维.基于最优流,分割和最优控制的图像序列内插[J].太原师范学院学报(自然科学版).2014
[7].刘婧,干宗良,崔子冠,陈昌红,朱秀昌.自适应对称自回归模型的压缩图像内插方法[J].中国图象图形学报.2014
[8].胡继瑶,王翔,崔子冠,干宗良.一种改进的基于软判决自回归模型图像内插算法[J].南京邮电大学学报(自然科学版).2014
[9].谢松昭.基于全相位双正交变换和全相位内插的图像压缩算法研究[D].山东大学.2014
[10].谢旭东,袁兆君,郭伟,张毅.基于噪点检测与邻域权值内插的彩色人脸图像去噪[J].清华大学学报(自然科学版).2014