图像多分辨率表示的方法概述.docVIP

图像多分辨率表示的方法概述 　　摘要：图像处理的核心任务是视觉信息的有效表示，图像多分辨率表示方法具有多尺度、多方向特性，能有效捕捉图像纹理、边缘等重要图像结构信息。本文对国内外研究状况进行了阐述，提出存在的问题，探讨了图像多分辨率表示的发展方向。 　　关键词：图像表示；多分辨率；图像处理 　　中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2018）02-0207-01 　　1 引言 　　图像处理的核心任务是视觉信息的有效表示，好的图像表示能用较少的描述捕获重要的目标信息。M.N.Do给出了图像有效表示的目标为：多分辨率、局部性、临界采样、方向性和各向异性[1]，而多分辨率是符合人眼视觉的重要要求。 　　图像多分辨率表示起源于图像金字塔分解，故在第2部分首先介绍图像金字塔的组织结构和特点，然后介绍基于金字塔结构发展而来的方向多分辨率图像表示方法。在第3部分先给出四叉树分解结构的变分辨率特征，然后介绍了复合多分辨率图像表示方法。 　　2 方向多分辨率图像表示 　　2.1 图像金字塔 　　图像金字塔是图像多分辨率表示理论的最早应用。对一幅图像进行金字塔分解，首先将其在两个方向上进行1：2的亚采样，然后经过滤波处理得到原始图像的缩略图。重复此过程，就可得到不同尺度的缩略图。 　　图像金字塔作为一种图像多分辨率表示方法，仅能产生较粗的频率分解，没有方向分解，所有在同一个倍频程的频率，都包含在金字塔同一层中，因而应用领域受限。 　　2.2 方向多分辨率图像表示的发展 　　图像金字塔表示的方向匮乏问题使其应用受限，如何将图像多分辨率表示与多方向性结合起来，是重要的发展方向。 　　Stephance G.Mallat于1989年将小波分析应用于图像领域，图像的小波分析不仅能对图像进行不同尺度分解，而且二维小波基具有多方向性，能一定程度的表达图像几何正则性。但在二维小波逼近奇异曲线过程中，出现的大量不可忽略的系数使其无法“稀疏”表达原函数。为解决图像等多维数据有效表达的问题，需寻找更优的方向多分辨率图像表示方法。 　　1998年E.J.Candes和D.L.Donoho提出Ridgelet变换。此变换是针对直线奇异的多变量函数的最优逼近，为非自适应高维函数表示。变换过程首先运用radon变换，把线状奇异性变换成点状奇异性，再用小波变换进行处理。因此，Ridgelet变换具备了一定的方向辨识能力，对具有方向性的直线特征可有效表达。 　　Ridgelet变换虽能最优逼近含直线奇异的多变量函数，但对图像中的曲线却无能为例。1999年E.J.Candes又提出单尺度Ridgelet变换，用直线逼近曲线，能较好处理图像曲线的奇异特征。较之小波变换，其针对含曲线奇异的多变量函数的逼近能力有所提升，但在计算复杂度上有所牺牲。 　　1999年E.J.Candes和D.L.Donoho提出第一代Curvelet变换。有别于单尺度Ridgelet变换只在某一尺度进行Ridgelet变换，Curvelet变换在所有尺度上完成Ridgelet变换。这种变换综合了Ridgelet变换擅长表示直线和小波适合表示点奇异性目标的优点，但存在加窗效应，又因使用的仍为Ridgelet变换，复杂度高。 　　2005年E.J.Candes和D.L.Donoho对算法进行改进，提出第二代Curvelet变换。该方法不再使用Ridgelet变换，而是通过在频域进行划分，直接给出了具体的变换形式。第二代Curvelet变换在方向性、时频域局部性和非线性逼近等方面有更好的表现，但仍没有解决冗余度和加窗效应的问题。 　　M.N.Do和M.Vetterli于2001年提出Contourlet变换。该变换在离散频域中直接定义，避免了复杂的离散化操作，比Curvelet变换的冗余度和计算复杂度低。但对于多数角度滤波器，该变换无法在频域迅速局域化，造成图像边缘线的伪振荡。另外，Contourlet变换缺乏完整、系统的逼近理论和算子理论，基础理论还有待完善。 　　2007年K.Guo和D.Labate等人在合成膨胀的仿射变换基础上提出Shearlet变换。该变换允许每个尺度上有不同数目的方向分解，其基支撑区间具有长宽比随尺度而变的“各向异性”特点，能实现对图像的稀疏表示。相比其它图像多分辨率表示，Shearlet变换理论性强，算法实现简单，计算复杂度低，在图像处理方面应用广泛。 　　3 复合多分辨率图像表示 　　3.1 四叉树 　　四叉树表达法利用金字塔式的数据结构对图像进行表达，树根对应整幅图像，树叶对应单个像素或相同特征像素组成的方阵。 　　复合多分辨率图像表示是一类结构较复杂的图像多分辨率表示，基于四叉树分裂结构的隐型