自适应对称自回归模型的压缩图像内插方法

摘要：

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.

关键词：压缩图像、内插、训练、自适应、对称自回归模型

所属期刊栏目：19

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目61071166,60802021,61172118;省属高校自然科学研究项目12KJB510014,12KJB510019

在线出版日期：2014-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1268-1281