基于contourlet模极大值的图像边缘检测

现存的基于空间域或小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘。本文提出在contourlet变换子带上搜索模极大值的图像边缘检测算法。通过适当地调节变换各尺度上的分解级数得到具有抛物线型尺度的基,另使其满足方向消失矩条件,则contourlet变换获得对图像中分片光滑边缘的最佳逼近。对原图像进行非下采样contourlet变换,然后对各子带进行阈值处理。由于contourlet变换子带不同于小波子带的全新特点,根据各方向子带代表的方向及其梯度方向,子带上各样本点与其梯度方向上相邻点比较模值即得变换系数模极大值。该算法不需经过复杂的连接模极大值点操作,亦可得到较高的边缘检测性能,较大地降低了计算复杂度。实验显示本文算法所提取的边缘更加逼近图像真实边缘,且具有较低的计算复杂度。     

一种Contourlet图像块编码算法

提出一种高灵活性、低缓冲的Contourlet块编码算法。用临界采样的小波变换取代Contourlet变换中的拉普拉斯塔式LP(Laplacian Pyramid)分解,得到非冗余的Contourlet变换NRCT(Non-Redundant ContourletTransform),使其更适合图像压缩。块编码中,每个子带被划分为相对小的码块,然后对各个码块独立编码,得到具有丰富实用特征集的码流,且明显降低了内存占用。合并NRCT同一小波子带中类似的方向频率划分,根据合并后方向子带的方向频率特性,得到改进的上下文模型。改进的上下文模型使NRCT块编码器中的MQ编码器输出码流码率更加接近其熵率,而JPEG2000上下文模型不能为该MQ编码器输入码流提供良好的条件概率估计。实验证明,特别是对于纹理丰富的图像,本文算法较基于JPEG2000上下文模型的NRCT块编码算法和JPEG2000算法,具有更高的压缩性能。