Curvelet - Curvelet
Кривые - это неадаптивный метод многомасштабного представления объекта . Будучи расширением концепции вейвлетов , они становятся популярными в аналогичных областях, а именно в обработке изображений и научных вычислениях .
Вейвлеты обобщают преобразование Фурье , используя основу, которая представляет как местоположение, так и пространственную частоту. Для двумерных или трехмерных сигналов направленное вейвлет-преобразование идет дальше за счет использования базисных функций, которые также локализованы по ориентации . Кривое преобразование отличается от других направленных вейвлет-преобразований тем, что степень локализации в ориентации зависит от масштаба. В частности, мелкомасштабные базисные функции представляют собой длинные гребни; форма базисных функций в масштабе j такова , что мелкомасштабные базы представляют собой тонкие выступы с точно определенной ориентацией.
Кривые представляют собой подходящую основу для представления изображений (или других функций), которые являются гладкими, за исключением сингулярностей вдоль гладких кривых, где кривые имеют ограниченную кривизну , то есть где объекты на изображении имеют минимальный масштаб длины. Это свойство справедливо для мультфильмов, геометрических диаграмм и текста. По мере увеличения таких изображений края, которые они содержат, кажутся все более прямыми. Кривые используют это свойство, определяя кривые с более высоким разрешением более вытянутыми, чем кривые с более низким разрешением. Однако естественные изображения (фотографии) не обладают этим свойством; у них есть детали в каждом масштабе. Поэтому для естественных изображений предпочтительно использовать какой-либо вид направленного вейвлет-преобразования, вейвлеты которого имеют одинаковое соотношение сторон на каждом масштабе.
Когда изображение имеет правильный тип, кривые обеспечивают значительно более разреженное представление, чем другие вейвлет-преобразования. Это можно количественно оценить, рассматривая наилучшее приближение геометрического тестового изображения, которое может быть представлено с использованием только вейвлетов, и анализируя ошибку приближения как функцию от . Для преобразования Фурье квадрат ошибки уменьшается только как . Для широкого спектра вейвлет-преобразований, включая как направленные, так и ненаправленные варианты, квадрат ошибки уменьшается как . Дополнительное предположение, лежащее в основе преобразования кривых, позволяет этого добиться .
Существуют эффективные численные алгоритмы для вычисления кривых преобразования дискретных данных. Вычислительные затраты на преобразование кривых примерно в 10–20 раз больше, чем на БПФ, и имеют такую же зависимость для изображения размера .
Построение кривой
Чтобы построить базовую кривую и обеспечить замощение двумерного частотного пространства, необходимо следовать двум основным идеям:
- Рассмотрим полярные координаты в частотной области
- Создавайте элементы кривых, которые локально поддерживаются рядом с клиньями.
Количество клиньев
указано на шкале , т. Е. Удваивается в каждом втором круговом кольце.
Позвольте
быть переменной в частотной области и быть полярными координатами в частотной области.
Мы используем анзац для расширенных основных кривых в полярных координатах:
Чтобы построить базовую кривую с компактной опорой рядом с «основным клином», два окна и должны иметь компактную опору. Здесь мы можем просто покрыть расширенными кривыми , так что каждое круговое кольцо покрывается перемещениями .
Тогда выходы допустимости см функций окна для получения дополнительной информации
для плитки круглого кольца в клинья, где произвольное натуральное число, нам нужны -периодическое неотрицательное окно с поддержкой внутри таким образом, что для всех может быть просто построена как -periodizations масштабированного окно .
Тогда следует, что
Для полного покрытия частотной плоскости , включая область вокруг нуля, нам нужно определить низкий элемент прохода с ,
который поддерживается на единичной окружности, и где мы не рассматриваем любое вращение.
Приложения
- Обработка изображения
- Сейсморазведка
- Механика жидкости
- Решение PDE
- Сжатое зондирование
Смотрите также
- Преобразование Shearlet
- Преобразование Банделе
- Преобразование контура
- Преобразование Френеле
- Чирплет преобразование
- Преобразование шума
- Масштабировать пространство
Ссылки
- Э. Кандес и Д. Донохо, «Curvelets - удивительно эффективное неадаптивное представление для объектов с краями». В: A. Cohen, C. Rabut и L. Schumaker, Editors, Curves and Surface Fitting : Saint-Malo 1999, Vanderbilt University Press, Nashville (2000), pp. 105–120.
- Маджумдар Ангшул Бангла Базовое распознавание символов с использованием преобразования цифровой кривой Журнал исследований распознавания образов ( JPRR ), Том 2. (1) 2007 стр.17-26
- Эммануэль Кандес, Лоран Демане, Дэвид Донохо и Лексинг Инь Быстрые дискретные преобразования кривых
- Цзянвэй Ма, Герлинд Плонка , Преобразование кривой : журнал обработки сигналов IEEE, 2010, 27 (2), 118-133.
- Жан-Люк Старк, Эммануэль Дж. Кандес и Дэвид Л. Донохо, Преобразование кривой для уменьшения шума изображения,: IEEE Transactions on Image Processing, Vol. 11, No. 6, июнь 2002 г.