基于Tetrolet变换的图像稀疏逼近算法

针对现有大部分图像稀疏逼近算法通用性不强,仅对具有某类特征的图像具有最优逼近性能的问题,利用小波变换与Tetrolet变换各自的优点,提出了一种通用性强,不受图像特征限制的图像稀疏逼近算法。该算法分别利用小波变换与Tetrolet变换对图像的平滑区域与细节区域进行稀疏逼近,先提取平滑区域,对平滑区域进行修正,然后对修正后的平滑区域进行稀疏逼近。根据平滑区域稀疏逼近的结果分离出细节区域,实现对细节区域的稀疏逼近。对一系列典型图像进行仿真的结果表明,该算法通用性强,不受图像特征的限制,在同等条件下,图像重构质量比传统小波变换高约5.5dB,比Tetrolet变换高约1.0dB。

基于多尺度逼近图像增强技术研究

图像的多尺度分析是对图像进行自底向上的分解,每一层图像均是前一层图像经过某种模板滤波形成的,在大尺度下图像分辨力高,小尺度下分辨力低。为了解决在低对比度下含小目标图像,占绝大部分的均值快变、方差缓变的背景等问题。论文提出采用灰度值插值方法构造图像的多尺度空间,该方法最终可以输出是一个均匀的,能够代表原图像均值的图像。

结合广义重心坐标与Voronoi剖分的函数分片逼近

结合广义重心坐标理论,提出了一个新方法,以解决在平面区域上的函数逼近问题。该方法通过构建基于广义重心坐标的最优分片函数来逼近目标函数。采用Voronoi图来划分区域,并提出一个度量逼近误差的能量函数。推导出该函数的导数后,采用一种高效的Voronoi节点更新方法来获得区域的最优剖分,并通过最优剖分构建最优分片函数。由于该方法对不连续函数具有良好地逼近能力,因此将其应用在图像逼近问题中。分别在解析函数和彩色图像上对该方法进行实验,均获得了很好的逼近效果。

一种新的基于混合变换的图像稀疏表示

Tetrolet变换对图像中边缘和纹理的稀疏逼近性能远远高于小波变换,对细节丰富的图像具有明显优势,但其对平滑图像的逼近性能却不如小波变换.针对这一问题,本文提出了具有一定普适性的图像稀疏方法.首先,对图像进行小波变换,采用p-fold抽取滤波器对各子带进行多相分解,对分解结果进行主成分变换,并对两次能量聚集后的图像进行低频稀疏逼近;然后,根据前面结果生成细节图像,采用Tetrolet变换进行高频稀疏逼近.实验表明,在相同条件下,无论是客观质量还是主观质量,该方法均优于单一的小波变换和Tetrolet变换,证实了本文方法的有效性.