Contourlet变换：一种高效多分辨率图像表示.pdfVIP

Contourlet 变换：一种高效多分辨率图像表示 摘要——通用的一维有限元可分扩展变换，例如傅里叶和小 波变换，在几何图像的描述上是众所周知的。在这里，我们 追求的是一个“真正的”二维变换，它可以描述内在的几何 结构，而这正是视觉信息的关键。研究几何图像的主要挑战 来自离散数据。因此，不同于其他方法，如 curvelets。第一 次在一个连续域进行变换然后将采样数据离散化，我们的做 法始于构造一个离散域，然后研究其在一个扩大的连续域上 的收敛性。具体来说，我们构造一个离散域内的多分辨率和 多方向扩大使用的非分离滤波器，在大致相同的方式下小波 来自滤波器。这个结构源于一个灵活的多分辨率的、且按方 向扩展的局部轮廓，因此它被命名为 contourlet 变换。离散 contourlet 变换具有一个快速迭代滤波器算法它需要一列 N 个 操作数的 N 位像素图像。此外，我们通过一个定向多分辨率 分析框架在已有的滤波器与相关的连续域轮廓扩张之间建立 了精确的联系。我们表明，伴随着抛物线缩放和足够的方向 消失矩，contourlets 实现了精确分段光滑曲线沿两次连续的不 同曲线的最佳逼近率。最后我们展示了一些数值实验表明了 contourlets 在几个图像处理应用中的潜力。 关键字条款——稀疏矩阵表示，小波， contourlets，滤 波器，多分辨率，多相位，轮廓，几何图像处理。 一、介绍 视觉信息的有效表示是许多图像处理的核心任务， 包括压缩、 消噪、特征提取和 逆问题。有效表示是指用一个小的描述能 够将关于一个事物的显著信息描述出来。对于图像压缩或基 于内容的图像检索来说，一个有效的表示意味着对压缩文件 或在数据库中的每个图像的索引项的简化。为了实际应用， 这种有效表示必须由结构转换和快速算法获得。 对于一维分段光滑信号，如图像的扫描线，小波已经被确 立为正确的工具，因为它们为这些信号提供了在一定意义上 的最优表示【 1】，【2】。此外，小波表示是一个高效算法，特 别是它会导致快速转换和方便的树形数据结构。这些都是对 小波在许多信号处理和通信应用成功的关键原因，例如，小 波变换作为新的图像压缩标准的变换， JPEG - 2000 【3 】 而被广泛采用。 然而，自然的图像不是一维分段光滑扫描线的简单堆 叠，由于物理对象的边界线是光滑的不连续点（即边）通常 位于沿光滑曲线的端点（即等高线） 。因此，自然图像包含的 内在几何结构是视觉信息的主要特点。作为一个从一维推广 而来的结果，在二维小波善于孤立边缘点的不连续性，但不 会“看到”光滑的轮廓。此外，可分离小波只能捕捉有限的 方向信息——一个重要而又独特的多维信号特征。这些令人 失望的行为表明，在高维需要更强大的表示。 要了解如何改善二维可分离小波变换用光滑轮廓代表 图像需要考虑以下情况。 想象一下， 有两个画家， 一个 ―小波 ‖ 的风格而另一个有一新风格，都希望画一个自然风光。两个 画家应用改良技术，增加决议，由粗到细。在这里，效率是 衡量如何快速，是如何用少的笔触，真实地再现一个现场。 请考虑轮廓正在画的情况，如图 1 所示。由于二维小波是由 一维小波的 ―小波 ‖的张量构成， ―小波 ‖的风格画家仅限于使 用方形笔触，用相应的小波多尺度结构的不同尺寸沿轮廓勾 勒。正如决议的细化，我们可以清楚地看到小波风格画家需 要使用许多细 ―点 ‖，以捕捉轮廓的限制。 新风格的画家， 另一 方面，利用有效的平滑轮廓通过使不同形状的笔触并在不同 的方向沿着轮廓拉长。这种直觉被康代斯和多诺霍正式用在 曲波建设【 4 】 ，【5 】中。 图 1 对于人类视觉系统，它是众所周知的【