Avaliação de Técnicas de Interpolação de Imagens Digitais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Pós-graduação em Matematica Aplicada e Computacional - FCT

Nesta dissertação é realizado um estudo comparativo sobre alguns tipos de algoritmos aplicados a imagens digitais voltado para interpolação. Este trabalho inclui os métodos clássicos, que são: replicação, bilinear, bicúbica, Lagrange e interpolação pela função sinc; e alguns recentes: algoritmo-localmente adaptativo, método New Edge-Direction Interpolation (NEDI), improved New Edge Direction Interpolation (iNEDI), iterative curvaturebased interpolation (ICBI), interpolação utilizando wavelets redundantes e utilizando filtro bilateral. Todos os novos métodos possuem melhorias em aspectos visuais e redução de ruídos nas bordas em relação aos clássicos. Os métodos avaliados são comparados visualmente e quantitativamente utilizando as métricas estatísticas: erro médio quadrático (MSE), Raíz do Erro Médio Quadrático (RMSE), Erro Médio Quadrático Normalizado (NMSE), Relação Sinal-Ruído (SNR), Coeficiente de Correlação (CC) e Índice de Qualidade Universal (IQI). Também é realizada uma discussão dos resultados obtidos, analisando as qualidades e os defeitos dos métodos estudados. Por fim, são propostas algumas ideias para trabalhos futuros, visando aprimorar as técnicas já existentes.

In this dissertation, a comparative study of some types of interpolation algorithms for digital images is carried out. This dissertation presents the classical methods, which are: replication, bilinear, bicubic, and Lagrange interpolation by the function sinc; and some newer methods: adaptive locally algorithm adaptive, New Interpolation Edge Direction (NEDI), improved New Edge-Direction Interpolation (iNEDI), iterative curvature-based interpolation (ICBI) , interpolation method that uses redundant wavelets and interpolation method using the bilateral filter. All new methods have improvements to visual aspects and reduction of noise at the edges compared to classical. All evaluated methods are compared visually and quantitatively using statistical metrics, such as: Mean Square Error (MSE), Root Mean Square Error (RMSE), Normalized Mean Square Error (NMSE), Signal Noise Ratio (SNR), Correlation Coefficient (CC) and Universal Image Quality Index (IQI). A discussion of the results is also performed, analyzing the strengths and weaknesses of the methods studied. Finally, we propose some ideas for future work, aiming to improve existing techniques.