为了提高图像插值质量,利用前向反馈人工神经网络(BP-ANN)的 自 学 习、自适应和泛化能力,开 展 分 区 BP-ANN 图像差值研究.将图像中待插值像素划分为光滑区和边缘区,每个区分别对应1个 BP-ANN 进行图像差值操作,并通过3组实验确定分区 BP-ANN 的网络结构、采点模式和插值流程.结果表明,采用8-16-1拓扑结构的 BP-ANN 算法可达到图像的可视化质量和时间之间的最佳平衡点;与经典线 性 均 值(LA)图像插值算法相比,分 区 BP-ANN 算法在保持最佳视觉效果的前提下,峰值性噪比高约0.5938dB.