利用一阶和二阶边缘检测信息的低成本边缘图像插值方法

《Digital》：Low Cost Edge-Based Image Interpolation Method Using First- and Second-Order Edge Detector Information

　　

图像插值在许多计算机视觉和图像处理任务中发挥着重要作用，例如图像缩放、去噪和修复。大多数传统的插值算法在时域上工作，以相似的方式处理所有图像区域，不区分边缘和平滑区域，从而产生模糊效应。为实现高效率，所有这些方法都显得复杂且耗时。为应对这些挑战，本研究提出了一种低成本图像插值算法和高质量的图像缩放方法。该算法首先应用边缘检测算子来估计逆小波变换(WT)所需的详细子带，以低成本计算构建高质量的缩放图像。该算法在包含总共5500张图像的20个不同数据集上进行了评估。结果表明，与现有最先进技术相比，所提出算法具有很高的修复质量。所提出算法分别达到了0.998和50 dB的最高平均SSIM和PSNR值。此外，与合理成本为8437的最高现有方法相比，本研究提出的合理成本降低至1.75。

在图像处理与计算机视觉领域，基于插值的图像放大技术旨在利用相邻像素间的相关性从小尺寸图像生成大尺寸图像。然而，传统插值方法面临误差引入和放大过程中图像退化这两个根本性问题。这主要因为大多数传统方法在空间域中操作，相似地对待所有图像区域，不仅导致正误差的累积，而且使用的相对平滑的函数无法重建尖锐边缘和精细细节。尽管目前在频谱域离散小波变换(DWT，一种提供多尺度、稀疏表示等特性的频域变换方法)处理能使误差分布更均匀从而降低累积误差，但现有结合DWT的先进技术多依赖统计模型、深度学习或复杂的数学运算，计算成本高昂。针对现有方法计算复杂且难以兼顾效率与边缘保持质量的现状，研究人员致力于探索一种低成本、高质量的图像放大技术。该研究成果已发表于《Digital》期刊。

为开展此项研究，研究人员主要采用以下关键技术方法：首先利用一阶和二阶边缘检测算子结合离散小波变换(DWT)的数学原理，通过推导与Haar小波函数成比例的简单掩膜来模拟DWT的高频子带信息；其次，采用逆离散小波变换(IDWT)技术，将输入图像作为低频LL子带，结合边缘检测生成的高频估计信息进行图像重建；样本队列来源于20个包含在11个数据库中的不同数据集，总计5500张不同类型的图像，并使用了Set5、Set14、BSD100和Urban100等广泛使用的标准基准测试集。

**3. Mathematical Background**
通过深入分析DWT和边缘检测的数学背景，研究发现一阶和二阶边缘检测算子提取的图像信息与DWT的高频子带(LH、HL和HH)在结构上具有高度相关性。研究人员以计算高效的Haar小波函数为基础，推导出了水平、垂直及二阶边缘检测掩膜，并证实这些简单的掩膜经过特定的归一化因子处理后，能够准确逼近图像的高频细节信息。

**4. Methodology**
在具体研究方法上，通过两个预处理阶段(图像灰度转换和低分辨率生成)和四个主要阶段开展。第一阶段为边缘生成，将Sobel滤波器应用于代表低频LL子带的图像，获取水平、垂直和对角线方向的边缘图。第二阶段为图像填充(Padding)，修正滤波操作导致的图像尺寸变化。第三阶段为图像重建，对LL子带和填充后的边缘图像进行特定因子缩放，随后应用逆小波变换生成最终的放大重建图像。最后通过与原图比较进行质量评估。

**5. Results**
在结果评估部分，通过应用MSE(均方误差)、PSNR(峰值信噪比)、SSIM(结构相似性指数)等传统图像质量评估(IQA)指标，以及GCMSE(梯度传导均方误差)和NSER(非平移边缘比)等边缘特性指标进行研究。量化结果表明，在×2和×4的缩放因子下，该算法在大多数测试图像中取得了最优或次优的MSE、GCMSE和NSER平均值。在包含5500张图像的20个数据集的大规模评估中，所提方法在PSNR和SSIM指标上均显著优于现有方法，尤其在Set14、BSD100和Urban100数据集上的×4放大表现中展现了极强的竞争力。

在讨论部分，研究人员对实验结果进行了深入分析。所提算法产生优异视觉质量的原因在于其采用简单步骤估计DWT高频子带，并利用了极为简洁的Haar小波进行重建。研究通过统计时钟周期评估了算法的计算成本，发现所提算法的计算成本仅次于最低廉的双线性插值，而远低于Lanczos3等复杂方法。这表明该算法在传统方法的低复杂度与先进方法的高重建质量之间取得了极佳的平衡。该工作提出了一种将图像视为信息集合而非纯数据数值的新视角。

在研究结论部分，文献总结了一种基于边缘检测和小波变换的新型图像插值技术。该技术利用边缘检测算法有效估计高频分量，成功保留了图像的重要细节和尖锐边缘，在逆小波变换中显著提升了视觉质量。研究表明，该方法在超分辨率重建质量上超越了双线性和双三次等标准方法，并将计算时间相较Lanczos3方法缩减了超过4800倍。尽管当前方法主要局限于与Haar小波变换协同工作，但未来研究将致力于优化边缘检测器并探索更先进的小波技术，同时将研究范围拓展至3D重建、外推和插值滤波等图像技术领域。