基于小波变换和Cycle Spinning图像放大算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (33): 207-208.

• 图形、图像、模式识别 • 上一篇下一篇

基于小波变换和Cycle Spinning图像放大算法

刘婕1，宋伟杰2

1.西安邮电学院理学院数学系，西安 710121
2.西北工业大学理学院应用数学系，西安 710072

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-21 发布日期:2011-11-21

Algorithm for image magnification based on wavelet transform and Cycle Spinning

LIU Jie1，SONG Weijie2

1.Department of Mathematics，School of Science，Xi’an Institute of Posts and Telecommunications，Xi’an 710121，China
2.Department of Applied Mathematics，School of Science，Northwestern Polytechnical University，Xi’an 710072，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-21 Published:2011-11-21

摘要/Abstract

摘要： 提出一种基于小波变换和Cycle Spinning的图像放大算法。该算法对放大后图像进行初始估计，对估计图进行小波变换，并用Cycle Spinning去除图像中因小波变换而产生的伪吉布斯现象，进行小波逆变换得到放大图像。数值实验结果证实该方法在放大图像的同时也增强了图像的清晰度和对比度，能够有效提高放大图像的RMSE及PSNR，该方法也适用于带噪图像的放大。

关键词: 小波变换, 循环平移, 图像放大

Abstract: A algorithm for image magnification based on wavelet transform and Cycle Spinning is proposed.It evaluates magnified image，then performs wavelet transform to evaluated image，and uses Cycle Spinning to remove the Pseudo-Gibbs phenomenon which is caused by the wavelet transform.The image is reconstructed by wavelet inverse transform，in order to obtain the magnified image.Some numerical experiments result illustrates that the method not only magnifies image，but also makes the image look much clearer and smoother.And it can effectively improve the RMSE and PSNR of magnified image.It also applies to magnifying the image with noise.

Key words: wavelet transform, Cycle Spinning, image magnification

刘婕1，宋伟杰2. 基于小波变换和Cycle Spinning图像放大算法[J]. 计算机工程与应用, 2011, 47(33): 207-208.

LIU Jie1，SONG Weijie2. Algorithm for image magnification based on wavelet transform and Cycle Spinning[J]. Computer Engineering and Applications, 2011, 47(33): 207-208.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	杜宏伟，乔美丽，宋刚，张云峰，包芳勋. 基于视觉感知的图像放大[J]. 计算机工程与应用, 2020, 56(9): 204-212.
[3]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[4]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[5]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[6]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[7]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[8]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[9]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[10]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[11]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[12]	陈波1，刘厚泉1，赵志凯2. 时间序列多尺度异常检测方法[J]. 计算机工程与应用, 2018, 54(20): 122-127.
[13]	贾澎涛，贾伟. 煤矿井下视频多目标轨迹跟踪算法研究[J]. 计算机工程与应用, 2018, 54(2): 222-227.
[14]	崔金鸽1，陈炳权1，2，徐庆1. 基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法[J]. 计算机工程与应用, 2018, 54(18): 223-228.
[15]	张艺超，袁贞明，孙晓燕. 基于心冲击信号的睡姿识别[J]. 计算机工程与应用, 2018, 54(17): 135-140.

基于小波变换和Cycle Spinning图像放大算法

Algorithm for image magnification based on wavelet transform and Cycle Spinning

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics