图像插值技术是图像处理领域的基础技术,在图像处理领域有着重要的应用。经典的插值方法,一般是基于低通滤波的思想,实现简单,算法的计算复杂度可观。但是不能很好的处理图像剧烈跳变的局部区域,如边缘、纹理等细节信息,因此容易导致图像边缘模糊。针对边缘模糊和丢失细节等问题,人们提出基于边缘的图像插值思想,它可以很好的解决边缘模糊和边缘锯齿的问题,但是插值后的图像总体质量偏低,而且计算量大。本文提出一种新的基于曲面拟合和图像边缘特征的图像插值方法。传统的图像插值方法都是直接对图像数据建模,结果是插值结果的精度得不到保证。因为图像数据都是区域采样得到的,即一个像素值是某个单位区域的平均值。因此对给定的图像数据,我们首先计算出精确的点采样值,然后运用点采样值构造拟合曲面片。通过这种方式构造的曲面片,误差小,精度高。然后,我们构造一个权函数,对于不同的曲面片赋予不同的权值,图像的最终拟合曲面由所有的子曲面片加权拼接而成。对于图像变化不剧烈的区域,我们采用该拟合曲面进行插值计算,计算的方法采用对拟合曲面进行区域采样以获得像素值。对于图像变化比较剧烈的局部区域,比如边缘或纹理细节,采用基于点采样的拟合曲面方法也很难解决这一问题。因此我们提出一种新的基于边缘插值模型来处理图像的边缘部分。传统的基于边缘的插值模型,虽然可以很好解决边缘模糊的问题,但是其实图像的整体质量是降低的,这点从PSNR值上可以反映出来。而且传统的边缘插值算法在计算模型参数时,也存在一定的缺陷,会在一些边缘区域产生畸变,比如像素为负值。本文提出一种新方法来计算边缘插值的模型参数a=(a1,a2,a3,a4)和b=(b1,b2,b3,b4),不同于已经存在的边缘插值方法,模型参数的计算考虑到了不同模型参数之间的内部相互制约关系。通过参数内部的相互制约关系,可以很好的避免畸变点的出现,使插值后的图像边缘不至于过度的尖锐,而出现失真的现象。通过大量的针对标准图像的实验,对比常见的插值方法,主要有双三次插值、分段三次卷积插值(PCC)和SAI插值,本文提出的新的PSE算法,不仅在反映图像整体插值精度的客观PSNR数据上取得最好的效果；同时,在主观的视觉效果上,PSE算法针对标准图像的插值效果,很好的避免了边缘细节模糊的现象,也消除了大量的令图像失真的锯齿。因此,试验结果表明,PSE算法有更高的插值精度和更好的插值效果。