图像是人类获取和交换信息的主要来源，对数字图像的处理及应用涉及到社会生活的方方面面。图像插值放大技术作为图像处理的重要组成部分，有着重要的应用价值，其难点是要兼顾图像中背景区域的平滑性和边缘细节的连续完整性，减少图像的失真率。本文首先介绍了最近邻插值、双线性插值和其他非线性插值等传统插值方法，并对后期发展的算法进行了整理分类，包括基于边缘方向插值，基于区域指导插值以及分形、小波和偏微分等插值方法。其次，本文阐述了边缘的基本特点和边缘检测方法，因为图像边缘携带着图像的大部分信息，在图像插值技术中，好的算法必须对边缘作出特殊处理。因此本文详细探讨了边缘检测方法中的Canny算子，并给出了仿真结果以及分析比较，实验证明该算子在边缘提取的过程中能在噪声的抑制和边缘检测之间取得较好的平衡，而且边缘宽度为一个像素宽度，符合本文算法对边缘检测的要求。最后，本文对图像的随机线性模型作了简单介绍，在经典的基于边缘方向的插值算法NEDI基础上进行了改进，首先采用Canny算子提取并通过类中位数估计得到高分辨率边缘指导图像，以更准确的定位边缘的位置和方向；然后在此基础上将被插值点分成边缘区，过渡区以及平滑区三类，对不同区域采用了不同的插值方法，尤其在对过渡区像素值的处理中，引用了统计估计方法中经典的Grubbs准则对邻域像素样本进行筛选，以保证数据的一致性；最后本文将得到的放大图像与传统双线性插值，NEDI算法，改进的iNEDI算法结果比较，实验证明了本算法对于高对比度图像的有效性。