基于Tetrolet变换的图像稀疏逼近算法

被引：5

作者：

彭洲 ^{[1
]}

唐林波 ^{[1
]}

赵保军 ^{[1
]}

周刚 ^{[2
]}

机构：

[1] 北京理工大学信息与电子学院

[2] 中国科学院长春光学精密机械与物理研究所

来源：

系统工程与电子技术 | 2011年 / 33卷 / 11期

基金：

国家高技术研究发展计划(863计划);

关键词：

图像稀疏逼近; 小波变换; Tetrolet变换; 特征提取;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

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。

引用

页码：2536 / 2539

页数：4

共 5 条

[1]

Tetrolet transform: A new adaptive Haar wavelet algorithm for sparse image representation[J] . Jens Krommweh.Journal of Visual Communication and Image Representation . 2010 (4)

[2] Tetrolet shrinkage with anisotropic total variation minimization for image approximation [J].

Krommweh, Jens ;

Ma, Jianwei .

SIGNAL PROCESSING, 2010, 90 (08) :2529-2539

[3] Easy Path Wavelet Transform on Triangulations of the Sphere [J].

Plonka, Gerlind ;

Rosca, Daniela .

MATHEMATICAL GEOSCIENCES, 2010, 42 (07) :839-855

[4] Surface compression with geometric bandelets [J].

Peyré, G ;

Mallat, S .

ACM TRANSACTIONS ON GRAPHICS, 2005, 24 (03) :601-608

[5]

Wedgelets: Nearly Minimax Estimation of Edges[J] . David L. Donoho.The Annals of Statistics . 1999 (3)

← 1 →