保持边缘的快速图像实时放大增强算法

李春宇， 安海彬， 杨宇红

(1.中国人民公安大学刑事科学技术系，北京 100038;2.北京市公安局刑侦总队，北京 100000)

0 引言

最近，图像插值或者单帧超分辨率在刑事图像处理、计算机视觉和计算机图形领域逐渐成为研究的热点。常用的图像插值算法，例如最近邻、双线性和双三次插值等，虽然速度较快，但很难消除放大后图像中存在的锯齿状轮廓和过度平滑等现象。因此，研究人员提出了很多改进算法，参见文献［14］。显然，这些算法是假设在自然的图像中，高频分量不是等概率的，如果低频分量是已知，那么有一个很好的算法能够得出比使用更高分辨率的传感器更好的重建图像。出于这个原因，一些研究人员提出了基于训练集的图像复原的统计模型。像文献［2］及文献［5］中提出的方法，根据本身的边缘外观分类，依据分类结果运用不同的插值策略。文献［6，9－10］同样是基于训练集的超分辨率方法，文献［8］中提出了一种不使用训练图像的方法，而基于学习的方法需要使用先验信息，虽然图像的重建效果较好，但是计算量非常高。

在实际应用中，逼真的高频重建并非唯一要考虑的问题，还需要考虑插值的方法以及计算效率，尤其是在实时应用的情况下(即提高视频流的视觉质量)。快速超分辨率方法试图获得比简单的多项式插值更好的效果，它通常不是基于统计模型的，而是利用自身的插值函数来估计低分辨率的图像边缘。最简单的边缘自适应方法［3－4，13］可以很容易地达到实时处理，但是它重建出来的图像看起来并不自然，并经常引入噪声。……