CN110097497A - 基于residual multismoothlets的多尺度图像变换和逆变换方法 - Google Patents
基于residual multismoothlets的多尺度图像变换和逆变换方法 Download PDFInfo
- Publication number
- CN110097497A CN110097497A CN201910401619.6A CN201910401619A CN110097497A CN 110097497 A CN110097497 A CN 110097497A CN 201910401619 A CN201910401619 A CN 201910401619A CN 110097497 A CN110097497 A CN 110097497A
- Authority
- CN
- China
- Prior art keywords
- transformation
- residual
- multismoothlets
- image
- block
- 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.)
- Granted
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 116
- 238000011426 transformation method Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000003044 adaptive effect Effects 0.000 claims abstract description 7
- 230000015556 catabolic process Effects 0.000 claims abstract description 6
- 238000010586 diagram Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 abstract 1
- 238000007906 compression Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Image Processing (AREA)
Abstract
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{Snm|m=1,...,mn};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{Snm|n=1,...,N,m=1,...,mn};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。
Description
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serialmultismoothlets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:
S1、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;
S2、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;
S3、基于residual multismoothlets变换,计算各原始图像块的M级smoothlets变换系数{Snm|m=1,...,mn};
S4、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{Snm|n=1,...,N,m=1,...,mn}。
进一步,所述步骤3的具体步骤为:
S3.1、从N个原始图像块中选取一个未变换的原始图像块Cn,n=1~N,未变换是指未基于residual multismoothlets变换;
S3.2、基于residual multismoothlets变换,计算原始图像块Cn的M级近似图像块;
S3.3、判断N个原始图像块是否都已完成M级residual multismoothlets变换,若都完成变换,执行步骤4,否则转到步骤S3.1。
进一步,所述步骤3.2的具体步骤为:
S3.21、对原始图像块Cn,设当前级数m=1,设置当前残差Rnm=Cn,而m-1级近似图像块
S3.22、对Rnm进行smoothlets变换,得到第m级smoothlets变换系数Snm;
S3.23、利用Snm进行smoothlets逆变换得到对应的近似残差块再基于近似残差块和m-1级近似图像块得到第m级近似图像块
S3.24、若m<M,更新m=m+1,基于更新后的m,更新残差图像并转到步骤S3.22,否则,计算原始图像块Cn与第m级近似图像块的峰值信噪比pnm,得到{pnm|m=1,...,M},并从{pnm|m=1,...,M}中选取最大峰值信噪比pnm对应的m值,记作mn,并令原始图像块Cn的最终变换系数为Sn={Snm|m=1,...,mn}。
一种基于residual multismoothlets的多尺度图像逆变换方法,基于原始图像C的residual multismoothlets变换结果{Snm|n=1,...,N,m=1,...,mn},进行residualmultismoothlets逆变换,具体步骤为:
步骤4.1、从N个变换结果中选取一个未逆变换的变换结果Sn,未逆变换是指未基于residual multismoothlets逆变换;
步骤4.2、基于smoothlets逆变换,计算Sn对应的1~mn个近似图像块;并将mn个近似图像块相加得到Sn的residual multismoothlets逆变换对应的图像块
步骤4.3、判断N个变换结果是否都已完成residual multismoothlets逆变换;若都完成,输出逆变换图像否则转到步骤4.1。
本发明同现有技术相比,其有益效果表现在:
一、本发明有效利用原始图像与各级变换图像之间的残差,解决了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,即在保证变换质量提高的情况下,与现有技术相比,还可减少40%的时间。
附图说明
图1是本发明中原始图像实施基于residual multismoothlets的图像变换方法的流程图;
图2是本发明中的一个变换实例,其中,(a)是一个32×32的原始图像块;(b)是传统多尺度几何FEEST的变换结果;(c)是现有的parallel multismoothlets transform(PMT)的变换结果,即对(a)进行现有的PMT的结果,psnr=22.40dB;(d)是本发明residualmultismoothlets transform(RMT)的变换结果,即对(a)进本发明RMT的结果,psnr=25.47dB。
具体实施方式
下面将结合附图及具体实施方式对本发明作进一步的描述。
一种基于residual multismoothlets的多尺度图像变换方法,如下步骤:
S1、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;
S2、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;
S3、基于residual multismoothlets变换,计算各原始图像块的M级smoothlets变换系数{Snm|m=1,...,mn};
具体步骤为:
S3.1、从N个原始图像块中选取一个未变换的原始图像块Cn,n=1~N,未变换是指未基于residual multismoothlets变换;
S3.2、基于residual multismoothlets变换,计算原始图像块Cn的M级近似图像块;
S3.3、判断N个原始图像块是否都已完成M级residual multismoothlets变换,若都完成变换,执行步骤4,否则转到步骤S3.1。
具体步骤为:
S3.21、对原始图像块Cn,设当前级数m=1,设置当前残差Rnm=Cn,而m-1级近似图像块
S3.22、对Rnm进行smoothlets变换,得到第m级smoothlets变换系数Snm;
S3.23、利用Snm进行smoothlets逆变换得到对应的近似残差块再基于近似残差块和m-1级近似图像块得到第m级近似图像块
S3.24、若m<M,更新m=m+1,基于更新后的m,更新残差图像并转到步骤S3.22,否则,计算原始图像块Cn与第m级近似图像块的峰值信噪比pnm,得到{pnm|m=1,...,M},并从{pnm|m=1,...,M}中选取最大峰值信噪比pnm对应的m值,记作mn,并令原始图像块Cn的最终变换系数为Sn={Snm|m=1,...,mn}。
S4、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{Snm|n=1,...,N,m=1,...,mn}。
一种基于residual multismoothlets的多尺度图像逆变换方法,基于原始图像C的residual multismoothlets变换结果{Snm|n=1,...,N,m=1,...,mn},进行residualmultismoothlets逆变换,具体步骤为:
步骤4.1、从N个变换结果中选取一个未逆变换的变换结果Sn,未逆变换是指未基于residual multismoothlets逆变换;
步骤4.2、基于smoothlets逆变换,计算Sn对应的1~mn个近似图像块;并将mn个近似图像块相加得到Sn的residual multismoothlets逆变换对应的图像块
步骤4.3、判断N个变换结果是否都已完成residual multismoothlets逆变换;若都完成,输出逆变换图像否则转到步骤4.1。
实施例
一种基于residual multismoothlets的图像变换方法,输入需进行变换的原始图像(分辨率32×32),设置multismoothlets变换的级数M=3和图像分解尺度j=2;将原图像平均分成4×4个图像块,即N=4×4个原始图像块;
从4×4个原始图像块中选取一个未变换的原始图像块,未变换是指未基于smoothlets变换,计算原始图像块的M级近似图像块;
对原始图像块Cn(n=1,...,16),即原始图像中的各原始图像块,设当前级数m=1,设置当前残差Rn1=Cn,而m-1(即0)级近似图像块
对Rn1进行smoothlets变换,得到第1级smoothlets变换系数Sn1;
利用Sn1进行smoothlets逆变换得到对应的近似残差块再基于近似残差块和m-1(即0)级近似图像块得到第1级近似图像块
当m=2.对Rn2进行smoothlets变换,得到第2级smoothlets变换系数Sn2;
利用Sn2进行smoothlets逆变换得到对应的近似残差块再基于近似残差块和m-1(即1)级近似图像块得到第2级近似图像块
当m=3.对Rn3进行smoothlets变换,得到第3级smoothlets变换系数Sn3;
利用Sn3进行smoothlets逆变换得到对应的近似残差块再基于近似残差块和m-1(即2)级近似图像块得到第3级近似图像块
原始图像块Cn的3级smoothlets变换系数,计算原始图像块Cn与第m级近似图像块的峰值信噪比pnm,得到{pnm|m=1,...,3},并从{pnm|m=1,...,3}中选取最大峰值信噪比pnm对应的m值,记作mn,并令最终变换系数Sn={Snm|m=1,...,mn}作为原始图像Cn的residual multismoothlets变换结果。
根据上述步骤,最终得到4×4个原始图像块的3级smoothlets变换系数,即原始图像C的M=3级residual multismoothlets变换结果为{Snm|n=1,...,16;m=1,...,mn}。
综上所述的方式,对10幅256×256的原始图像,设置变换级数m=3,图像分解尺度j={3,4,5},应用现有技术中的parallel multismoothlets变换(PMT)和本发明的residual multismoothlets变换(RMT),结果证明本方法减少了变换时间,相比parallelmultismoothlets减少了40%的时间,且smoothlets逆变换结果(逆变质量)的psnr也实现了提高,具体如下表所示:
PSNR(dB) | j=3 | j=4 | j=5 |
PMT | 22.62 | 26.81 | 31.84 |
RMT | 23.99 | 28.20 | 33.21 |
m=3时,一种基于residual multismoothlets的多尺度图像逆变换方法的具体步骤为:
从N个变换结果中选取一个未逆变换的变换结果Sn,未逆变换是指未基于residual multismoothlets逆变换;
基于smoothlets逆变换,计算Sn对应的1~mn个近似图像块;并将mn个近似图像块相加得到Sn的residual multismoothlets逆变换对应的图像块
判断N个变换结果是否都已完成residual multismoothlets逆变换;若都完成,输出逆变换图像否则对下一个未逆变换的变换结果Sn进行处理。
以上仅是本发明众多具体应用范围中的代表性实施例,对本发明的保护范围不构成任何限制。凡采用变换或是等效替换而形成的技术方案,均落在本发明权利保护范围之内。
Claims (4)
1.一种基于residual multismoothlets的多尺度图像变换方法,其特征在于,如下步骤:
S1、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;
S2、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;
S3、基于residual multismoothlets变换,计算各原始图像块的M级smoothlets变换系数{Snm|m=1,...,mn};
S4、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{Snm|n=1,...,N,m=1,...,mn}。
2.根据权利要求1所述的一种基于residual multismoothlets的多尺度图像变换方法,其特征在于,所述步骤3的具体步骤为:
S3.1、从N个原始图像块中选取一个未变换的原始图像块Cn,n=1~N,未变换是指未基于residual multismoothlets变换;
S3.2、基于residual multismoothlets变换,计算原始图像块Cn的M级近似图像块;
S3.3、判断N个原始图像块是否都已完成M级residual multismoothlets变换,若都完成变换,执行步骤4,否则转到步骤S3.1。
3.根据权利要求2所述的一种基于residual multismoothlets的多尺度图像变换方法,其特征在于,所述步骤3.2的具体步骤为:
S3.21、对原始图像块Cn,设当前级数m=1,设置当前残差Rnm=Cn,而m-1级近似图像块
S3.22、对Rnm进行smoothlets变换,得到第m级smoothlets变换系数Snm;
S3.23、利用Snm进行smoothlets逆变换得到对应的近似残差块再基于近似残差块和m-1级近似图像块得到第m级近似图像块
S3.24、若m<M,更新m=m+1,基于更新后的m,更新残差图像并转到步骤S3.22,否则,计算原始图像块Cn与第m级近似图像块的峰值信噪比pnm,得到{pnm|m=1,...,M},并从{pnm|m=1,...,M}中选取最大峰值信噪比pnm对应的m值,记作mn,并令原始图像块Cn的最终变换系数为Sn={Snm|m=1,...,mn}。
4.一种基于residual multismoothlets的多尺度图像逆变换方法,其特征在于,基于原始图像C的residual multismoothlets变换结果{Snm|n=1,...,N,m=1,...,mn},进行residual multismoothlets逆变换,具体步骤为:
步骤4.1、从N个变换结果中选取一个未逆变换的变换结果Sn,未逆变换是指未基于residual multismoothlets逆变换;
步骤4.2、基于smoothlets逆变换,计算Sn对应的1~mn个近似图像块;并将mn个近似图像块相加得到Sn的residual multismoothlets逆变换对应的图像块
步骤4.3、判断N个变换结果是否都已完成residual multismoothlets逆变换;若都完成,输出逆变换图像否则转到步骤4.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910401619.6A CN110097497B (zh) | 2019-05-14 | 2019-05-14 | 基于residual multismoothlets的多尺度图像变换和逆变换方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910401619.6A CN110097497B (zh) | 2019-05-14 | 2019-05-14 | 基于residual multismoothlets的多尺度图像变换和逆变换方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110097497A true CN110097497A (zh) | 2019-08-06 |
CN110097497B CN110097497B (zh) | 2023-03-24 |
Family
ID=67448112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910401619.6A Active CN110097497B (zh) | 2019-05-14 | 2019-05-14 | 基于residual multismoothlets的多尺度图像变换和逆变换方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110097497B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020080408A1 (en) * | 1999-12-17 | 2002-06-27 | Budge Scott E. | Method for image coding by rate-distortion adaptive zerotree-based residual vector quantization and system for effecting same |
US20060083309A1 (en) * | 2004-10-15 | 2006-04-20 | Heiko Schwarz | Apparatus and method for generating a coded video sequence by using an intermediate layer motion data prediction |
JP2006287487A (ja) * | 2005-03-31 | 2006-10-19 | Ricoh Co Ltd | 符号処理装置、符号処理方法、プログラム及び情報記録媒体 |
CN101078776A (zh) * | 2007-06-29 | 2007-11-28 | 西安奥华电子仪器有限责任公司 | 核测井数据多尺度处理方法 |
CN101477679A (zh) * | 2009-01-16 | 2009-07-08 | 西安电子科技大学 | 基于轮廓波Contourlet变换的图像去噪方法 |
CN102158637A (zh) * | 2011-04-01 | 2011-08-17 | 西安电子科技大学 | 基于Surfacelet变换域的空间自适应阈值视频去噪方法 |
CN103501437A (zh) * | 2013-09-29 | 2014-01-08 | 北京航空航天大学 | 一种基于分形和h.264的高光谱图像压缩方法 |
CN105023257A (zh) * | 2015-08-24 | 2015-11-04 | 西南石油大学 | 基于N-Smoothlets的图像去噪方法 |
CN105100812A (zh) * | 2014-05-23 | 2015-11-25 | 成都市高博汇科信息科技有限公司 | 一种图像发送、接收方法和装置 |
CN106251307A (zh) * | 2016-08-02 | 2016-12-21 | 电子科技大学 | 基于 Extended Smoothlets (ExSmoothlets)变换的图像近似方法 |
US20170230654A1 (en) * | 2014-09-22 | 2017-08-10 | Orange | Generation and encoding of residual integral images |
CN107154064A (zh) * | 2017-05-04 | 2017-09-12 | 西安电子科技大学 | 基于深度稀疏编码的自然图像压缩感知重建方法 |
CN107194905A (zh) * | 2017-05-22 | 2017-09-22 | 阜阳师范学院 | 一种基于非下采样Cotourlet变换的图像处理方法及系统 |
WO2018226541A1 (en) * | 2017-06-08 | 2018-12-13 | Downunder Geosolutions Pty Ltd. | Method for improved processing of data with time overlapping recordings of energy sources |
-
2019
- 2019-05-14 CN CN201910401619.6A patent/CN110097497B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020080408A1 (en) * | 1999-12-17 | 2002-06-27 | Budge Scott E. | Method for image coding by rate-distortion adaptive zerotree-based residual vector quantization and system for effecting same |
US20060083309A1 (en) * | 2004-10-15 | 2006-04-20 | Heiko Schwarz | Apparatus and method for generating a coded video sequence by using an intermediate layer motion data prediction |
JP2006287487A (ja) * | 2005-03-31 | 2006-10-19 | Ricoh Co Ltd | 符号処理装置、符号処理方法、プログラム及び情報記録媒体 |
CN101078776A (zh) * | 2007-06-29 | 2007-11-28 | 西安奥华电子仪器有限责任公司 | 核测井数据多尺度处理方法 |
CN101477679A (zh) * | 2009-01-16 | 2009-07-08 | 西安电子科技大学 | 基于轮廓波Contourlet变换的图像去噪方法 |
CN102158637A (zh) * | 2011-04-01 | 2011-08-17 | 西安电子科技大学 | 基于Surfacelet变换域的空间自适应阈值视频去噪方法 |
CN103501437A (zh) * | 2013-09-29 | 2014-01-08 | 北京航空航天大学 | 一种基于分形和h.264的高光谱图像压缩方法 |
CN105100812A (zh) * | 2014-05-23 | 2015-11-25 | 成都市高博汇科信息科技有限公司 | 一种图像发送、接收方法和装置 |
US20170230654A1 (en) * | 2014-09-22 | 2017-08-10 | Orange | Generation and encoding of residual integral images |
CN105023257A (zh) * | 2015-08-24 | 2015-11-04 | 西南石油大学 | 基于N-Smoothlets的图像去噪方法 |
CN106251307A (zh) * | 2016-08-02 | 2016-12-21 | 电子科技大学 | 基于 Extended Smoothlets (ExSmoothlets)变换的图像近似方法 |
CN107154064A (zh) * | 2017-05-04 | 2017-09-12 | 西安电子科技大学 | 基于深度稀疏编码的自然图像压缩感知重建方法 |
CN107194905A (zh) * | 2017-05-22 | 2017-09-22 | 阜阳师范学院 | 一种基于非下采样Cotourlet变换的图像处理方法及系统 |
WO2018226541A1 (en) * | 2017-06-08 | 2018-12-13 | Downunder Geosolutions Pty Ltd. | Method for improved processing of data with time overlapping recordings of energy sources |
Non-Patent Citations (11)
Title |
---|
AGNIESZKA LISOWSKA: "Smoothlet Transform: Theory and Applications", 《ADVANCES IN IMAGING AND ELECTRON PHYSICS》 * |
E. KANG等: "Deep Convolutional Framelet Denosing for Low-Dose CT via Wavelet Residual Network", 《 IEEE TRANSACTIONS ON MEDICAL IMAGING》 * |
MEIRONG CHEN等: "Shear Smoothlet -- Anisotropic Multiscale Functions for Adaptive Representation of Images", 《 2014 SEVENTH INTERNATIONAL SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE AND DESIGN》 * |
S. WANG等: "Residual MultiSmoothlets", 《2019 IEEE INTERNATIONAL SYMPOSIUM ON BROADBAND MULTIMEDIA SYSTEMS AND BROADCASTING 》 * |
VAHID KIANI等: "A relaxation approach to computation of second-order wedgelet transform with application to image compression", 《SIGNAL PROCESSING: IMAGE COMMUNICATION》 * |
吴桑等: "基于小波变换的图像增强新算法", 《现代电子技术》 * |
吴鹏等: "基于阈值改进Contourlet变换的图像融合算法", 《华南理工大学学报(自然科学版)》 * |
宋传鸣等: "3D多尺度几何分析研究进展", 《软件学报》 * |
张倩.: "Smoothlet变换算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王相海等: "图像编码方向自适应提升小波变换", 《模式识别与人工智能》 * |
王良君等: "多稀疏空间下的压缩感知图像重构", 《西安电子科技大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110097497B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107527333B (zh) | 一种基于伽马变换的快速图像增强方法 | |
CN101950414B (zh) | 自然图像非局部均值去噪方法 | |
CN104574337B (zh) | 基于双边伽马校正和多尺度图像融合的图像增强方法 | |
CN103020918B (zh) | 基于形状自适应邻域均值的非局部均值去噪方法 | |
CN109242799A (zh) | 一种变阈值的小波去噪方法 | |
CN102509269B (zh) | 一种结合曲线波的基于图像子块相似性的图像去噪方法 | |
CN102800051B (zh) | 一种基于分数阶微分的自适应浮选泡沫图像增强方法 | |
CN110533614B (zh) | 一种结合频域和空域的水下图像增强方法 | |
US8406559B2 (en) | Method and system for enhancing image sharpness based on local features of image | |
CN109377464B (zh) | 一种红外图像的双平台直方图均衡化方法及其应用系统 | |
CN104881847A (zh) | 一种基于小波分析和伪彩色处理的比赛视频图像增强方法 | |
CN102930508A (zh) | 基于图像残余信号的非局部均值图像去噪方法 | |
CN103700077B (zh) | 一种基于人眼视觉特性的自适应图像增强方法 | |
CN107292316A (zh) | 一种基于稀疏表示的提升图像清晰度的方法 | |
CN103903227B (zh) | 一种图像降噪的方法和装置 | |
CN110189266A (zh) | 一种自适应的快速图像增强方法 | |
CN107292834A (zh) | 红外图像细节增强方法 | |
CN104182939A (zh) | 一种医疗影像图像细节增强方法 | |
CN101859432A (zh) | 档案图像增强的构造方法 | |
CN104240208A (zh) | 非制冷红外焦平面探测器图像细节增强方法 | |
CN104616259A (zh) | 一种噪声强度自适应的非局部均值图像去噪方法 | |
CN111563854B (zh) | 用于水下图像增强处理的粒子群优化方法 | |
CN103903239B (zh) | 一种视频超分辨率重建方法及其系统 | |
CN110097497A (zh) | 基于residual multismoothlets的多尺度图像变换和逆变换方法 | |
CN105469358A (zh) | 一种图像处理方法 |
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 |