CN108399645B - 基于轮廓波变换的图像编码方法和装置 - Google Patents
基于轮廓波变换的图像编码方法和装置 Download PDFInfo
- Publication number
- CN108399645B CN108399645B CN201810149710.9A CN201810149710A CN108399645B CN 108399645 B CN108399645 B CN 108399645B CN 201810149710 A CN201810149710 A CN 201810149710A CN 108399645 B CN108399645 B CN 108399645B
- Authority
- CN
- China
- Prior art keywords
- sub
- decomposition
- band
- energy entropy
- threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 128
- 238000013139 quantization Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/007—Transform coding, e.g. discrete cosine transform
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Discrete Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本发明公开了一种基于轮廓波变换的图像编码方法，包括以下步骤：S1提取原始图像；S2通过轮廓波变换对所述原始图像进行多尺度分解，得到多个子带，且在多尺度分解中加入熵判决条件以便及时停止子带的分解；S3对分解成的多个子带系数进行量化；S4对量化得到的子带系数依次进行编码、解码；S5对解码得到的子带系数进行轮廓波逆变换，重构原始图像。本发明通过在轮廓波变换中加入熵判决条件，设定多尺度分解的子带的能量熵的阈值，充分考虑了各个子带本身的特性，对不需要继续分解的子带及时地停止分解，从而提高编码效率和效果。本发明还公开了一种基于轮廓波变换的图像编码装置，利用上述方法进行图像编码。
Description
技术领域
本发明涉及图像处理技术领域，具体地，涉及一种基于轮廓波变换的图像编码方法和装置。
背景技术
在图像压缩编码研究领域里，图像的变换环节是十分重要的，变换就是把空间域的大量图像数据转换到变换域用很少的数据来表示，以提高图像编码压缩效率和效果。图像变换有很多形式DCT变换、傅立叶变换、小波变换等，但是这种变换基函数具有各向同性，在变换的方向上有限，处理高维奇异曲线、曲面或者自然图像时并不能达到稀疏表示原函数的效果。“多尺度几何分析”是能够有效地表示和处理高维数据的数学变换，这种变换具有多分辨率特性、时频局部性、多方向性和各向异性，并且“多尺度几何分析”在处理图像轮廓、边缘方面比小波变换具有明显的优势。
目前的图像编码方法中，可用到多种多方向变换形式，如脊波变换、曲波变换、Directionlets变换、轮廓波变换、Shearlet变换、Surfacelets变换等等，综合分析各种多方向性变换的优劣，非自适应的轮廓波变换被广泛应用。非自适应的轮廓波变换，图像分解之前要事先确定轮廓波变换中拉普拉斯金字塔(LP)分解和多方向(DFB)分解的级数与方向子带数，其方向子带的分解为事先确定的满二叉树分解形式，并没有考虑各个方向子带自身的特性。轮廓波变换过程中有些方向子带能量系数集中并没有再继续分解的必要，继续分解只会增加编码压力，影响编码效果。
发明内容
鉴于以上问题，本发明的目的是提供一种基于轮廓波变换的图像编码方法和装置，以解决现有的图像编码方法中轮廓波变换未考虑各方向子带的自身特性而导致编码效率低，编码效果不好的问题。
为了实现上述目的，本发明的一个方面是提供一种基于轮廓波变换的图像编码方法，包括以下步骤：
S1提取原始图像；
S2通过轮廓波变换对所述原始图像进行多尺度分解，包括：对所述原始图像进行拉普拉斯金字塔分解和多方向滤波器组分解，得到多个子带，并计算每个子带的能量熵，在所述拉普拉斯金字塔分解和/或所述多方向滤波器组分解中设定子带的能量熵的阈值，所述子带的能量熵大于所述阈值，则继续分解，所述子带的能量熵小于所述阈值，则停止分解；
S3对分解成的多个子带系数进行量化；
S4对量化得到的子带系数依次进行编码、解码；
S5对解码得到的子带系数进行轮廓波逆变换，重构所述原始图像。
优选地，所述步骤S3中，不同的子带采用不同的量化步长，分解的级数越深的子带的量化步长越小。
优选地，所述步骤S2中，通过下述公式计算每个子带的能量熵：
其中，
式中，S表示子带信号，Si表示S在变换域上的投影系数，i表示尺度，E表示能量熵，E(S)表示子带的能量熵。
优选地，所述步骤S2中，通过对所述原始图像进行拉普拉斯金字塔分解得到各个尺度下的高频子带和低频子带，并设定低频子带的能量熵的阈值为第一阈值，所述低频子带的能量熵大于所述第一阈值，则将所述低频子带继续进行拉普拉斯金字塔分解，直至分解后的低频子带的能量熵小于所述第一阈值，停止分解。
优选地，所述第一阈值为所述原始图像的能量熵的60％。
优选地，所述步骤S2中，对所述拉普拉斯金字塔分解得到的每个尺度下的高频子带分别进行多方向滤波器组分解，每次的多方向滤波器组分解均得到两个方向子带，并设定所述方向子带的能量熵的阈值为第二阈值，所述方向子带的能量熵大于所述第二阈值，则对所述方向子带继续进行多方向滤波器组分解，直至分解后的方向子带的能量熵小于所述第二阈值，停止分解。
优选地，所述第二阈值为所述原始图像的能量熵的90％。
优选地，所述步骤S2中，计算每个高频子带通过所述多方向滤波器组分解得到的多个方向子带系数的平均值，每个方向子带系数均减去平均值，得到处理后的方向子带系数。
为了实现上述目的，本发明的另一个方面是提供一种基于轮廓波变换的图像编码装置，包括：
提取模块，用于提取原始图像；
变换模块，用于通过轮廓波变换对所述原始图像进行多尺度分解，所述变换模块包括计算子模块和判定子模块，所述计算子模块用于计算每个子带的能量熵，所述判定子模块用于判定在所述轮廓波变换中得到的子带的能量熵是否小于设定的子带的能量熵的阈值，所述子带的能量熵大于所述阈值，则继续分解，所述子带的能量熵小于所述阈值，则停止分解；
量化模块，用于对所述变换模块分解成的子带系数进行量化；
编码模块，用于对量化得到的子带系数进行编码；
解码模块，用于对编码得到的码流进行解码；以及
逆变换模块，用于对解码得到的子带系数进行轮廓波逆变换，重构所述原始图像。
优选地，所述轮廓波变换包括拉普拉斯金字塔分解和/或多方向滤波器组分解。
与现有技术相比，本发明具有以下优点和有益效果：
本发明通过在轮廓波变换中加入熵判决条件，设定多尺度分解的子带的能量熵的阈值，子带的能量熵小于阈值时，停止分解，充分考虑了各个子带本身的特性，对不需要继续分解的子带及时地停止分解，从而提高编码效率和效果。
本发明中轮廓波变换是自适应的分解方式，基于自适应轮廓波变换的编码方法对图像处理，相比于现有基于轮廓波变换的编码方法，峰值信噪比(PSNR，Peak Signal toNoise Ratio)提升了1～3分贝(dB)。
附图说明
图1是本发明所述基于轮廓波变换的图像编码方法流程示意图；
图2是本发明中拉普拉斯金子塔分解实施例示意图；
图3是本发明中多方向滤波器组分解实施例示意图。
具体实施方式
附图来描述本发明所述的实施例。本领域的普通技术人员可以认识到，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式或其组合对所描述的实施例进行修正。因此，附图和描述在本质上是说明性的，而不是用于限制权利要求的保护范围。此外，在本说明书中，附图未按比例画出，并且相同的附图标记表示相同的部分。
下面结合图1-图3来详细说明本实施例。
图1是本发明所述基于轮廓波变换的图像编码方法流程示意图，如图1所示，所述基于轮廓波变换的图像编码方法包括以下步骤：
S1提取原始图像；
S2通过轮廓波变换对原始图像进行多尺度分解，将原始图像分解得到多个子带；
S3对分解成的多个子带系数进行量化；
S4对量化得到的子带系数依次进行编码、解码；
S5对解码得到的子带系数进行轮廓波逆变换，重构原始图像。
其中，在步骤S2中，对原始图像的多尺度分解包括拉普拉斯金字塔分解(LP分解，Laplacian pyramid)和/或多方向滤波器组分解(DFB分解，Directional Filter Bank)，分解得到多个子带，且在多尺度分解中加入子带的熵判决条件。其中，熵表示图像的能量，本发明中以能量熵表示，随着分解的级数加深，能量熵不断减小，在分解的相邻上下级别中，同属于一个父带的多个子带的能量熵小于或等于父带的能量熵。
具体地，步骤S2中，在拉普拉斯金字塔分解和/或多方向滤波器组分解中设定子带的能量熵的阈值，并计算分解得到的每个子带的能量熵，若分解后子带的能量熵大于所述阈值，则继续子带的分解，若分解后子带的能量熵小于所述阈值，则停止子带的分解，从而充分考虑到各个子带的自身特性，以在子带能量系数集中而不必继续分解时及时地停止分解，实现轮廓波的最优分解，从而提高编码的效率和效果。
在非自适应轮廓波多尺度分解中，LP分解的级数一般2-4级，DFB分解的级数一般2-6级，所以实验初期设定LP分解的子带的能量熵的阈值为原始图像能量熵的50％，DFB分解的子带的能量熵的阈值为原始图像能量熵的80％，随着实验过程中通过大量图像数据集的测试分析，优选地，LP分解的子带的能量熵的阈值选取原始图像能量熵的60％，DFB分解的子带的能量熵的阈值选取原图像能量熵的90％。
在步骤S2中，通过下述公式计算每个子带的能量熵，以比较子带的能量熵与阈值的大小，及时地停止子带的分解。
其中，
表示各投影系数所对应的能量熵。
上式中，S表示子带信号，Si表示S在变换域上的投影系数，i表示尺度，E表示能量熵，E(S)表示子带的能量熵，为递增的价值函数。
E(0)＝0表示投影系数为0时，能量熵为0。
对原始图像进行LP分解，“捕获”奇异点，并得到各个尺度下的高频子带和低频子带，其中，奇异点表示不连续点，图像中幅度的突然跳跃或一阶导数值、二阶导数值的尖锐变化点。在LP分解中加入熵判决条件，即设定低频子带的能量熵的阈值为第一阈值，低频子带的能量熵大于第一阈值，则将低频子带继续进行LP分解，直至分解后的低频子带的能量熵小于第一阈值，停止分解。图2是本发明中拉普拉斯金子塔分解实施例示意图，如图2所示，以三级LP分解为例，进一步说明对原始图像的LP分解，首先，计算原始图像的能量熵，将原始图像分解为第一高频子带和第一低频子带，设定原始图像能量熵的60％为低频子带的能量熵的第一阈值，第一低频子带的能量熵大于第一阈值，对第一低频子带继续进行LP分解，得到第二高频子带和第二低频子带，第二低频子带的能量熵大于第一阈值，对第二低频子带继续进行LP分解，得到第三高频子带和第三低频子带，第三低频子带的能量熵小于第一阈值，停止分解。
对LP分解得到的每个尺度下的高频子带分别进行DFB分解，捕获方向信息，并将分布在同方向上的奇异点合并成为一个方向子带系数。每次的DFB分解均得到两个方向子带，且在DFB分解中加入子带的熵判决条件，即设定方向子带的能量熵的阈值为第二阈值，方向子带的能量熵大于第二阈值，则对方向子带继续进行DFB分解，直至分解后的方向子带的能量熵小于第二阈值，停止分解。图3是本发明中多方向滤波器组分解实施例示意图，如图3所示，以3级DFB分解得到6个方向子带为例进行说明，对上述LP分解得到的高频子带进行DFB分解，分解得到两个方向子带，设定原始图像能量熵的90％为方向子带的能量熵的第二阈值，计算每个方向子带的能量熵，并比较方向子带的能量熵与第二阈值的大小关系，若方向子带的能量熵大于第二阈值，则对此方向子带继续进行DFB分解又得到两个方向子带，依次类推，直至DFB分解得到的方向子带的能量熵均小于第二阈值，停止分解。
优选地，在步骤S2之后，对每个高频子带进行DFB分解得到的多个方向子带系数计算平均值，取方向子带系数与平均值的差值作为处理后的方向子带系数，从而对方向子带系数进行最小化处理，从而降低编码时间，提高编码传输效率。
与现有编码方法中采用统一的量化步长不同，在本发明中，优选地，在步骤S3中，不同的子带采用不同的量化步长，分解的级数越深的子带的量化步长越小。其中，量化步长根据各方向子带的子带系数区间范围而定，可以根据经过最小化处理后得到的方向子带系数的区间范围而定，从而考虑到各个方向子带的自身特性，提高编码效率。
综上，利用本发明基于自适应轮廓波变换的图像编码方法对图像进行处理，相比于基于小波变换以及基于非自适应轮廓波变换的图像编码方法，其编码效率和编码效果均有所提升，与现有基于轮廓波变换的图像编码相比在同等压缩比下PSNR提升1～3dB。
本发明的另一个发明提供一种基于轮廓波变换的图像编码装置，所述装置包括：
提取模块，用于提取原始图像；
变换模块，用于通过轮廓波变换对原始图像进行多尺度分解，变换模块包括计算子模块和判定子模块，计算子模块用于计算每个子带的能量熵，判定子模块用于判定在轮廓波变换中得到的子带的能量熵是否小于设定的子带的能量熵的阈值，子带的能量熵大于所述阈值，则继续分解，子带的能量熵小于所述阈值，则停止分解；
量化模块，用于对所述变换模块分解成的子带系数进行量化；
编码模块，用于对量化得到的子带系数进行编码，所述编码模块对子带系数进行无失真的编码；
解码模块，用于对编码得到的码流进行解码；以及
逆变换模块，用于对解码得到的子带系数进行轮廓波逆变换，重构原始图像。
优选地，所述轮廓波变换包括拉普拉斯金字塔分解和/或多方向滤波器组分解。
优选地，量化模块对不同的子带采用不同的量化步长，分解的级数越深的子带的量化步长越小，量化步长根据方向子带的子带系数区间范围而定，从而考虑各方向子带的自身特性，提高编码效率和效果。
为了进一步降低编码时间，提高编码效率，所述装置还包括处理模块，所述处理模块用于对方向子带系数进行最小化处理。具体地，对于同一个高频子带DFB分解得到的多个方向子带，计算多个方向子带系数的平均值，各方向子带系数分别减去平均值，得到处理后的方向子带系数。
本发明所述的图像编码装置利用上述图像编码方法对图像进行处理，通过变换模块中的计算子模块和判定子模块，计算子带的能量熵，并在多尺度分解中加入子带的熵判决条件，根据不同的子带自身的特性，确定多尺度分解的级数和方向子带数，避免进行不必要的子带分解，增加编码压力，从而提高编码效率和效果。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于轮廓波变换的图像编码方法，其特征在于，包括以下步骤：
S1提取原始图像；
S2通过轮廓波变换对所述原始图像进行多尺度分解，包括：对所述原始图像进行拉普拉斯金字塔分解和多方向滤波器组分解，得到多个子带，并计算每个子带的能量熵，在所述拉普拉斯金字塔分解和所述多方向滤波器组分解中设定子带的能量熵的阈值，所述子带的能量熵大于所述阈值，则继续分解，所述子带的能量熵小于所述阈值，则停止分解；
S3对分解成的多个子带系数进行量化；
S4对量化得到的子带系数依次进行编码、解码；
S5对解码得到的子带系数进行轮廓波逆变换，重构所述原始图像，
其中，所述步骤S2中，通过对所述原始图像进行拉普拉斯金字塔分解得到各个尺度下的高频子带和低频子带，并设定低频子带的能量熵的阈值为第一阈值，所述低频子带的能量熵大于所述第一阈值，则将所述低频子带继续进行拉普拉斯金字塔分解，直至分解后的低频子带的能量熵小于所述第一阈值，停止分解，
其中，所述步骤S2中，对所述拉普拉斯金字塔分解得到的每个尺度下的高频子带分别进行多方向滤波器组分解，每次的多方向滤波器组分解均得到两个方向子带，并设定所述方向子带的能量熵的阈值为第二阈值，所述方向子带的能量熵大于所述第二阈值，则对所述方向子带继续进行多方向滤波器组分解，直至分解后的方向子带的能量熵小于所述第二阈值，停止分解。
2.根据权利要求1所述的基于轮廓波变换的图像编码方法，其特征在于，所述步骤S3中，不同的子带采用不同的量化步长，分解的级数越深的子带的量化步长越小。
3.根据权利要求1所述的基于轮廓波变换的图像编码方法，其特征在于，所述步骤S2中，通过下述公式计算每个子带的能量熵：
其中，
式中，S表示子带信号，Si表示S在变换域上的投影系数，i表示尺度，E表示能量熵，E(S)表示子带的能量熵，E(0)＝0表示投影系数为0时，能量熵为0。
4.根据权利要求1所述的基于轮廓波变换的图像编码方法，其特征在于，所述第一阈值为所述原始图像的能量熵的60％。
5.根据权利要求1所述的基于轮廓波变换的图像编码方法，其特征在于，所述第二阈值为所述原始图像的能量熵的90％。
6.根据权利要求1所述的基于轮廓波变换的图像编码方法，其特征在于，所述步骤S2中，计算每个高频子带通过所述多方向滤波器组分解得到的多个方向子带系数的平均值，每个方向子带系数均减去平均值，得到处理后的方向子带系数。
7.一种基于轮廓波变换的图像编码装置，其特征在于，所述装置包括：
提取模块，用于提取原始图像；
变换模块，用于通过轮廓波变换对所述原始图像进行多尺度分解，所述变换模块包括计算子模块和判定子模块，所述计算子模块用于计算每个子带的能量熵，所述判定子模块用于判定在所述轮廓波变换中得到的子带的能量熵是否小于设定的子带的能量熵的阈值，所述子带的能量熵大于所述阈值，则继续分解，所述子带的能量熵小于所述阈值，则停止分解，
其中，通过对所述原始图像进行拉普拉斯金字塔分解得到各个尺度下的高频子带和低频子带，并设定低频子带的能量熵的阈值为第一阈值，所述低频子带的能量熵大于所述第一阈值，则将所述低频子带继续进行拉普拉斯金字塔分解，直至分解后的低频子带的能量熵小于所述第一阈值，停止分解，
其中，对所述拉普拉斯金字塔分解得到的每个尺度下的高频子带分别进行多方向滤波器组分解，每次的多方向滤波器组分解均得到两个方向子带，并设定所述方向子带的能量熵的阈值为第二阈值，所述方向子带的能量熵大于所述第二阈值，则对所述方向子带继续进行多方向滤波器组分解，直至分解后的方向子带的能量熵小于所述第二阈值，停止分解；
量化模块，用于对所述变换模块分解成的子带系数进行量化；
编码模块，用于对量化得到的子带系数进行编码；
解码模块，用于对编码得到的码流进行解码；以及
逆变换模块，用于对解码得到的子带系数进行轮廓波逆变换，重构所述原始图像。
8.根据权利要求7所述的基于轮廓波变换的图像编码装置，其特征在于，所述轮廓波变换包括拉普拉斯金字塔分解和/或多方向滤波器组分解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810149710.9A CN108399645B (zh) | 2018-02-13 | 2018-02-13 | 基于轮廓波变换的图像编码方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810149710.9A CN108399645B (zh) | 2018-02-13 | 2018-02-13 | 基于轮廓波变换的图像编码方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108399645A CN108399645A (zh) | 2018-08-14 |
| CN108399645B true CN108399645B (zh) | 2022-01-25 |
Family
ID=63096619
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810149710.9A Active CN108399645B (zh) | 2018-02-13 | 2018-02-13 | 基于轮廓波变换的图像编码方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108399645B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112911311B (zh) * | 2021-01-28 | 2024-08-16 | 杭州网易智企科技有限公司 | 编码方法、编码装置、存储介质及电子设备 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103065335A (zh) * | 2012-12-28 | 2013-04-24 | 辽宁师范大学 | 基于轮廓波域四叉块分裂模型的图像编码方法 |
| EP2537257A4 (en) * | 2010-02-17 | 2013-07-10 | Saab Ab | BROADBAND TRANSMITTER / RECEIVER ARRANGEMENT FOR MULTIFUNCTIONAL RADAR AND COMMUNICATION |
| CN103700072A (zh) * | 2013-12-17 | 2014-04-02 | 北京工业大学 | 一种基于自适应小波阈值和双边滤波器的图像去噪方法 |
| CN104077749A (zh) * | 2014-06-17 | 2014-10-01 | 长江大学 | 一种基于轮廓波变换的地震数据去噪方法 |
| CN104123705A (zh) * | 2014-07-22 | 2014-10-29 | 北华大学 | 一种超分辨率重建图像质量Contourlet域评价方法 |
| CN104240201A (zh) * | 2014-09-04 | 2014-12-24 | 南昌航空大学 | 基于群-轮廓小波变换断口图像去噪和增强方法 |
| CN104282007A (zh) * | 2014-10-22 | 2015-01-14 | 长春理工大学 | 基于非采样的轮廓波变换自适应的医学图像融合方法 |
| CN105551010A (zh) * | 2016-01-20 | 2016-05-04 | 中国矿业大学 | 基于nsct及深度信息激励pcnn的多聚焦图像融合方法 |
| CN105913407A (zh) * | 2016-04-06 | 2016-08-31 | 昆明理工大学 | 一种基于差值图对多聚焦度图像融合优化的方法 |
| CN107230196A (zh) * | 2017-04-17 | 2017-10-03 | 江南大学 | 基于非下采样轮廓波和目标可信度的红外与可见光图像融合方法 |
| CN107316013A (zh) * | 2017-06-14 | 2017-11-03 | 西安电子科技大学 | 基于nsct变换和dcnn的高光谱图像分类方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9747421B2 (en) * | 2014-02-10 | 2017-08-29 | Picofemto LLC | Multi-factor brain analysis via medical imaging decision support systems and methods |
-
2018
- 2018-02-13 CN CN201810149710.9A patent/CN108399645B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2537257A4 (en) * | 2010-02-17 | 2013-07-10 | Saab Ab | BROADBAND TRANSMITTER / RECEIVER ARRANGEMENT FOR MULTIFUNCTIONAL RADAR AND COMMUNICATION |
| EP2537257B1 (en) * | 2010-02-17 | 2016-11-02 | Saab AB | Wideband transmitter/receiver arrangement for multifunctional radar and communication |
| CN103065335A (zh) * | 2012-12-28 | 2013-04-24 | 辽宁师范大学 | 基于轮廓波域四叉块分裂模型的图像编码方法 |
| CN103700072A (zh) * | 2013-12-17 | 2014-04-02 | 北京工业大学 | 一种基于自适应小波阈值和双边滤波器的图像去噪方法 |
| CN104077749A (zh) * | 2014-06-17 | 2014-10-01 | 长江大学 | 一种基于轮廓波变换的地震数据去噪方法 |
| CN104123705A (zh) * | 2014-07-22 | 2014-10-29 | 北华大学 | 一种超分辨率重建图像质量Contourlet域评价方法 |
| CN104240201A (zh) * | 2014-09-04 | 2014-12-24 | 南昌航空大学 | 基于群-轮廓小波变换断口图像去噪和增强方法 |
| CN104282007A (zh) * | 2014-10-22 | 2015-01-14 | 长春理工大学 | 基于非采样的轮廓波变换自适应的医学图像融合方法 |
| CN105551010A (zh) * | 2016-01-20 | 2016-05-04 | 中国矿业大学 | 基于nsct及深度信息激励pcnn的多聚焦图像融合方法 |
| CN105913407A (zh) * | 2016-04-06 | 2016-08-31 | 昆明理工大学 | 一种基于差值图对多聚焦度图像融合优化的方法 |
| CN107230196A (zh) * | 2017-04-17 | 2017-10-03 | 江南大学 | 基于非下采样轮廓波和目标可信度的红外与可见光图像融合方法 |
| CN107316013A (zh) * | 2017-06-14 | 2017-11-03 | 西安电子科技大学 | 基于nsct变换和dcnn的高光谱图像分类方法 |
Non-Patent Citations (3)
| Title |
|---|
| 《A Novel Approach for Image Enhancement via Nonsubsampled Contourlet Transform》;Yunlan Tan等;《Journal of Intelligent Systems》;20141231;345-355 * |
| 《SAR and Panchromatic Image Fusion Based on Region Features in Nonsubsampled Contourlet Transform Domain》;Chuanqi Ye等;《Proceeding of the IEEE International Conference on Automation and Logistics》;20120831;358-362 * |
| 《基于Contourlet变换的遥感图像融合方法研究》;李文静 等;《国土资源遥感》;20160630;44-50 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108399645A (zh) | 2018-08-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102088606B (zh) | 基于稀疏表示的去块效应方法 | |
| CN108093264B (zh) | 基于分块压缩感知的岩心图像压缩、解压方法和系统 | |
| Sidhik | Comparative study of Birge–Massart strategy and unimodal thresholding for image compression using wavelet transform | |
| Kumar et al. | A review: DWT-DCT technique and arithmetic-Huffman coding based image compression | |
| CN104766289A (zh) | 一种图像去噪和压缩处理方法 | |
| TW444505B (en) | Technique for video communications using a coding-matched filter arrangement | |
| CN108399645B (zh) | 基于轮廓波变换的图像编码方法和装置 | |
| CN105392014B (zh) | 一种优化的小波变换图像压缩方法 | |
| CN110827399A (zh) | 一种三维模型数据压缩方法及系统 | |
| Hashemi-Berenjabad et al. | Threshold based lossy compression of medical ultrasound images using contourlet transform | |
| CN103096081A (zh) | 变换系数的处理方法、小波变换编码方法及模块与编码器 | |
| Chaudhari et al. | Image denoising of various images using wavelet transform and thresholding techniques | |
| Hong et al. | Hybrid image compression model based on subband coding and edge-preserving regularisation | |
| Fu et al. | Optimal reconstruction design for JPEG-coded image using structural similarity index | |
| Abd-Elhafiez | Image compression algorithm using a fast curvelet transform | |
| Malviya et al. | 2D-discrete walsh wavelet transform for image compression with arithmetic coding | |
| Kumari et al. | Image quality estimation by entropy and redundancy calculation for various wavelet families | |
| KR101089725B1 (ko) | 무손실 영상 압축을 위한 임계 필터의 설계 방법, 그 필터를 이용한 무손실 영상 압축 장치 및 방법 | |
| Nikitin et al. | Adaptive bilateral filter for JPEG 2000 deringing | |
| Wu | Efficient reduction of artifact effect based on power and entropy measures | |
| CN116708788B (zh) | 手机文件压缩系统 | |
| Taujuddin et al. | Image compression using wavelet algorithm | |
| Shuai et al. | An algorithm for medical imagining compression that is oriented to ROI-characteristics protection | |
| Prasetyo et al. | Halftoning-based BTC image reconstruction using patch processing with border constraint | |
| Aloui et al. | Speech Compression Based on Discrete Walsh Hadamard Transform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |