[发明专利]基于residual multismoothlets的多尺度图像变换和逆变换方法

说明书

本发明公开了一种基于residual multismoothlets的多尺度图像变换和逆变换方法，属于图像处理技术领域，解决传统的多尺度几何方法不能拟合复杂边缘或者模糊边缘以及现有的multismoothlets变换方法不能很好地平衡高质量的变换结果与合理的处理时间的问题。本发明输入需进行变换的原始图像C，设置变换的级数M和图像分解尺度j，其中，M≥2；将原始图像平均分成2^j×2^j个图像块，即得到N＝2^j×2^j个原始图像块；基于residual multismoothlets变换，计算各原始图像块的M级smoothlets变换系数{S_nm|m＝1，...，m_n}；以N个原始图像块对应的自适应M级smoothlets变换系数作为原始图像C的residual multismoothlets变换结果{S_nm|n＝1，...，N，m＝1，...，m_n}；并基于变换结果进行图像逆变换。本发明可用于图像变换、拟合、压缩、去噪、边缘提取等场合。

技术领域

本发明属于图像处理技术领域，特别涉及一种基于residual multismoothlets的多尺度图像变换和逆变换方法，用于图像变换和拟合。

背景技术

寻找一种高效的数字图像表示方法是现在很多图像处理课题中很重要的一项任务。高效的图像表示可以理解为用尽可能简单的表示方法获得更准确的图像内容。尽管图像表示方法在不断的创新和更新，但现有的表示方法还是在或多或少的方面存在不同的缺点。因此，更好的图像变换方法仍然需要被发现。

超小波分析是基于小波分析基础上的新的多尺度分析，这些多尺度分析方法可分为两大类：一类是常见的基于框架的非自适应计算方法，如Curvelet、Ridgelet、Contourlet、Brushlet、Shearlet；另外一类是自适应的逼近算法，其大部分的表示方法是基于字典的，如Beamlet、Wedgelet、Smoothlet、Platelet、Surflet等。近年来，出现了一些基于框架的自适应算法，如Bandelet、Tetrolet。其中，Smoothlet通过在基准线(宏块中的拟合线)上设置一条过渡带使得重建图像基准线两侧的灰度值实现了缓慢过渡，更符合自然图像灰度渐变的特点。

当图像的边缘信息比较复杂时，一个图像块仅用一条基准线是很难有效的表示出图像的的纹理特征的，因此Multiwedgelets和Multismoothlets被提出，即在一个图像块中用多条基准线表示其复杂的边缘，而现有的Multismoothlets变换方法因在变换效率和变换质量之间难以平衡，如serial multismoothlets理论上可以实现高质量的变换效果，但是是在牺牲很大时间效率的前提下，且实现难度很大；而parallel multismoothlets在一个可以接受的时间范围(交换效率)内进行变换，但变换效果(变换质量)差强人意。综上所述，现有技术已不能满足现代对图像质量和效率的高要求，对传统的Multismoothlets进行改进迫在眉睫。

发明内容

针对上述研究的问题，本发明的目的在于提供一种基于residualmultismoothlets的多尺度图像变换和逆变换方法，解决传统的多尺度几何方法不能拟合复杂边缘或者模糊边缘以及现有的multismoothlets变换方法不能很好地平衡高质量的变换结果与合理的处理时间的问题。

为了达到上述目的，本发明采用如下技术方案：

一种基于residual multismoothlets的多尺度图像变换方法，如下步骤：

步骤1、输入需进行变换的原始图像C，设置变换的级数M和图像分解尺度j，其中，M≥2；

步骤2、将原始图像平均分成2^j×2^j个图像块，即得到N＝2^j×2^j个原始图像块；