CN110097497B - 基于residual multismoothlets的多尺度图像变换和逆变换方法 - Google Patents

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{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。

Description

基于residual multismoothlets的多尺度图像变换和逆变换 方法

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；

步骤3、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}，n＝1,…,N，n代表图像块编号，对应具体图像块位置，m代表smoothlets的具体层级集合；

步骤4、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}。

进一步，所述步骤3的具体步骤为：

步骤3.1、从N个原始图像块中选取一个未变换的原始图像块C_n，n＝1～N，未变换是指未基于residual multismoothlets变换；

步骤3.2、基于residual multismoothlets变换，计算原始图像块C_n的M级近似图像块；

步骤3.3、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：

步骤3.21、对原始图像块C_n,设当前级数m＝1，设置当前残差R_nm＝C_n，而m-1级近似图像块

步骤3.22、对R_nm进行smoothlets变换，得到第m级smoothlets变换系数S_nm；

步骤3.23、利用S_nm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/>

步骤3.24、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S 3.22，否则，计算原始图像块C_n与第m级近似图像块/>

的峰值信噪比p_nm，得到{p_nm|m＝1,…,M}，并从{p_nm|m＝1,…,M}中选取最大峰值信噪比p_nm对应的m值，记作m_n，并令原始图像块C_n的最终变换系数为S_n＝{S_nm|m＝1,…,m_n}。

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{S_nm|n＝1,…,N,m＝1,…,m_n}，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S_n，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S_n对应的1～m_n个近似图像块；并将m_n个近似图像块相加得到S_n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：

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；

步骤3、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}，n＝1,…,N，n代表图像块编号，对应具体图像块位置，m代表smoothlets的具体层级集合；

具体步骤为：

步骤3.1、从N个原始图像块中选取一个未变换的原始图像块C_n，n＝1～N，未变换是指未基于residual multismoothlets变换；

步骤3.2、基于residual multismoothlets变换，计算原始图像块C_n的M级近似图像块；

步骤3.3、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：

步骤3.21、对原始图像块C_n,设当前级数m＝1，设置当前残差R_nm＝C_n，而m-1级近似图像块

步骤3.22、对R_nm进行smoothlets变换，得到第m级smoothlets变换系数S_nm；

步骤3.23、利用S_nm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/>

步骤3.24、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S 3.22，否则，计算原始图像块C_n与第m级近似图像块/>

的峰值信噪比p_nm，得到{p_nm|m＝1,…,M}，并从{p_nm|m＝1,…,M}中选取最大峰值信噪比p_nm对应的m值，记作m_n，并令原始图像块C_n的最终变换系数为S_n＝{S_nm|m＝1,…,m_n}。

步骤4、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}。

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{S_nm|n＝1,…,N,m＝1,…,m_n}，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S_n，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S_n对应的1～m_n个近似图像块；并将m_n个近似图像块相加得到S_n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residualmultismoothlets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C_n(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R_n1＝C_n，而m-1(即0)级近似图像块

对R_n1进行smoothlets变换，得到第1级smoothlets变换系数S_n1；

利用S_n1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R_n2进行smoothlets变换，得到第2级smoothlets变换系数S_n2；

利用S_n2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R_n3进行smoothlets变换，得到第3级smoothlets变换系数S_n3；

利用S_n3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C_n的3级smoothlets变换系数，计算原始图像块C_n与第m级近似图像块

的峰值信噪比p_nm，得到{p_nm|m＝1,…,3}，并从{p_nm|m＝1,…,3}中选取最大峰值信噪比p_nm对应的m值，记作m_n，并令最终变换系数S_n＝{S_nm|m＝1,…,m_n}作为原始图像C_n的residualmultismoothlets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{S_nm|n＝1,…,16；m＝1,…,m_n}。

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：

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S_n，未逆变换是指未基于residual multismoothlets逆变换；

基于smoothlets逆变换，计算S_n对应的1～m_n个近似图像块；并将m_n个近似图像块相加得到S_n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S_n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 (1)

1.一种基于residual multismoothlets的多尺度图像变换和逆变换方法，其特征在于，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；

步骤3、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}，其中n＝1,…,N，n代表图像块编号，对应具体图像块位置，m代表smoothlets的具体层级集合；

步骤4、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}；

所述步骤3的具体步骤为：

步骤3.1、从N个原始图像块中选取一个未变换的原始图像块C_n，n＝1～N，未变换是指未基于residual multismoothlets变换；

步骤3.2、基于residual multismoothlets变换，计算原始图像块C_n的M级近似图像块；

步骤3.3、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；

所述步骤3.2的具体步骤为：

步骤3.21、对原始图像块C_n,设当前级数m＝1，设置当前残差R_nm＝C_n，而m-1级近似图像块

步骤3.22、对R_nm进行smoothlets变换，得到第m级smoothlets变换系数S_nm；

步骤3.23、利用S_nm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

步骤3.24、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S 3.22，否则，计算原始图像块C_n与第m级近似图像块

的峰值信噪比p_nm，得到{p_nm|m＝1,…,M}，并从{p_nm|m＝1,…,M}中选取最大峰值信噪比p_nm对应的m值，记作m_n，并令原始图像块C_n的最终变换系数为S_n＝{S_nm|m＝1,…,m_n}；

基于原始图像C的residual multismoothlets变换结果{S_nm|n＝1,…,N,m＝1,…,m_n}，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S_n，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S_n对应的1～m_n个近似图像块；并将m_n个近似图像块相加得到S_n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。

Images