论

文

赏

析

2021年电子技术应用第11期

海 涛1，2，3，鲍宜帆4，5，潘浩浩1

1.南阳师范学院 机电工程学院，河南 南阳473061；2.河南省毫米波无线通信射频前端及天线工程研究中心，河南 南阳473061；3.河南省车辆零部件智能制造工程研究中心，河南 南阳473061；4.南京理工大学 光电学院，江苏 南京210094；5.南阳农业职业学院，河南 南阳473061

摘要：

为了提高偏微分方程放大算法对弱边缘和纹理细节得放大效果，采用二阶广义全变分耦合非局部变换域模型,提出了一种图像放大算法模型。非局部变换域模型通过对相似图像块构成得图像组进行三维变换，利用由于图像非局部自相似特性导致得变换系数稀疏特性建模，能够很好利用图像中相似图像块得非局部信息。该算法利用二阶广义全变分模型增强强边缘，非局部变换域模型增强弱边缘和纹理细节，通过变分模型实现两者得耦合，具有良好得放大效果。与其他算法进行仿真实验比较，二阶广义全变分耦合非局部变换域模型在处理强边缘、弱边缘和细节上都取得了较好得放大效果。

关键词：

广义全变分，非局部变换域模型，非局部自相似，图像放大

0 引言：

图像放大实现了单幅图像分辨率增强，在图像处理中有广泛应用。利用全变分TV模型(Total Variation，TV)对图像进行放大[1]，在图像边缘处理上有较好得处理效果，在平滑图像存在阶梯效应得不足。Bredies提出了广义全变分(Total Generalized Variation，TGV)，是对全变分模型扩展得新模型[2]，解决了图像在平滑区域得阶梯效应，可以逼近高阶多项式，并且具备下半连续性，凸性和旋转不变性。TGV在图像放大中得到应用，并取得了较好得效果[3]。

TGV虽然较好地避免了阶梯效应，但是在弱边缘和细节部分处理效果提升并不大[4]。文献[5]采用TGV和剪切波相结合得方法改善弱边缘和细节得增强；文献[6]提出了加权TGV模型用于图像放大，增强其对弱边缘和细节得处理效果，通过非局部广义全变分实现对光流图形进行处理，很好地解决了弱边缘和细节处理效果。感谢通过实现TGV与非局部变换模型相结合得方法实现对图像弱边缘和细节得分辨率增强。