matlab代做FPGA代做基于NSCT变换的无参考图像质量平均.docx

《matlab代做FPGA代做基于NSCT变换的无参考图像质量平均.docx》由会员分享，可在线阅读，更多相关《matlab代做FPGA代做基于NSCT变换的无参考图像质量平均.docx（6页珍藏版）》请在第一文库网上搜索。

1、传统的图像变换，如二维小波变化等变化，只能提供非常局限的方向信息，以二维小波变化为例，其区域是正方形的。所以二维小波变化可以提供的方向信息只有水平方向，垂直方向和对角方向B所以，基于小波变化的提取的图像特征无法完全表示出图像信息。Contour1et轮廓波变换最早是由M.N.Do和Vetter1iM.在2002年提出的冈。由于Contour1et变换能够非常准确的表征出图像的各向异性特征，所以Contour1et变换可以在图像的边缘信息时能够达到较好的表示。Contour1et轮廓波变换和小波变化最大的区别在于，对于同一条曲线的奇异性，轮廓波变换比小波变化使用更少的系数来表示，如图3.1所示：

2、3.1小波变换（左图）和轮廓波变换（右图）的对比从图3.1可知，当两种变换域下腰达到相同的分辨率，左图需要更多的矩形，也就是说小波变化需要基函数的数目更多，而右图轮廓波下，则需要较少的基函数。因此，使用Contour1et变换能够将图像等信号在多尺度多方向上面进行划分，其本质上是小波变换的一种改进。前面讲到，基于小波变换的图像分解算法，只能得到水平（1H）,垂直（H1芹口对角（HH）三个方向的方向信息，而基于ContoUrIet变换的图像分解算法，可以得到2n个方向的特征信息，因此，使用ContOur1et变换能够得到精度更高的图像特征信息。因此，Contour1et轮廓波变换方法是一种真正的

3、图像稀疏表达方法，除了能够提供图像各个方向的方向信息的特点外，其还具有较低的冗余度，仅为4/3,从而可以进行快速的仿真实现，并且在一定程度上能够克服噪声的影响。一3.2Contour1et变换理论知识Contour1et轮廓波变换的本质思想是，通过近似线性的基函数来逼近原始的图像，从而使用较少的系数来近似原始图像。Contour1et轮廓波变换的基本流程为附：步骤一：通过小波变化来实现边缘奇异点的检测；步骤二：对检测到的边缘奇异点进行方向变换，实现轮廓线段的检测；在进行Contour1et变换的时候，主要使用“双重滤波器组”的结构进行变换，分别为拉普拉斯塔形分解(1P)和方向滤波器组(DFB)

4、。其中1P滤波器组，用来进行奇异点的捕获，将不同的奇异点连接成各种线结构的方向滤波器组DFBo通过双重滤波器组进行变换的Contour1et变换具有几个显著的特点： 具有较好的方向性，并且很好的体现了各向异性的特点； 对图像进行多尺度以及多方向和局部化的分解； 通过DFB提取图像中高频成分中的多个方向信息； 通过1P将高频和低频分量进行有效分离； 1P和DFB结构都具有可重构性，因此Contour1et变换也具有完全重构的特点。整个Contour1et变换的基本流程为，对某个图像进行分解，得到一个低频分量和和若干个高频分量，然后对一种的低频分量继续进行COntoUr1et变换，一次循环，从而实

5、现图像的多尺度多方向分解。整个分解流程如图3.2所示:图3.2Contour1et滤波器组与滤波方向3211P分解(金字塔结构)1P分解，即拉普拉斯金字塔滤波器，其在每一步的信号处理中，都是通过低通滤波器来实现的，并结合下采样最后得到一个近似分量，即低频分量，然后再对这个低频分量进行上采样和滤波，最终得到原始信号的预测信号。其分解过程如图3.3所示：(b)1P重构图3.31P的分解与重建图3.3中，H是分解滤波，M是下采样矩阵，G是合成滤波，输出的a为逼近信号，b为差分信号。由此可知1P分解和重构可以用如下的式子表示：a=Hx,p=Ga(3.1)h=x-P=(I-GH)Xx,=G(a-Hb)+

6、b=X-GHb(3.2)从图3.3的框图可知，每一层上1P分解能够产生一个图像的下采样低通信号和一个重构信号和原始信号之间的误差信号。相对于小波变化而言，1P在对信号进行处理的时候，只产生一个频带没有混叠带通信号。而在小波变换的时候，下采样后的信号重构需要进行高通滤波，这样在进行低频处理的时候，会导致频谱混叠的现象。而在使用1P进行处理的时候，系统只对下采样后的数据进行提供滤波处理，不通过高通滤波处理，这就避免了频谱混叠的情况。但是1P分解也存在着一些固有的缺点，比如过采样和非正交性。过采样处理会导致数据量增加，对于数据容量有限制的处理方式，将受到影响。3.2.2DFB(方向滤波器组)方向滤波

7、器组DFB的实现其实是扇形滤波器组和5点重采样矩阵和旋转操作等实现的。方向滤波器具有良好的重构性，通过k层的二叉树分解，对频域进行分割，从而产生2人个子带，可以使用?各通道结构来表示。对于DFB方向滤波器，由MinhN.D。提出了的一种新型分解算法，该算法主要包括两个模块。第一个模块是QUinCUnX滤波器，第二个模块是的平移操作。Quincunx滤波器通过扇形滤波器将2-D光谱分解成水平方向和垂直方向。然后通过采样矩阵进行上下采用，最后再通过一个扇形滤波器得到重构信号。通常，采样矩阵由两种形式：(-O0=(33)V1(1)O(3.4)11-1jQuincunx滤波器是一个方向滤波器，通过Qu

8、incunx滤波器可将信号分解到不同的方向上，并且保证样本数目不变。图3.4表示的是通过三级分解得到的方向效果图。（一再一Tr）图3.4DFB分解子带分布关系图平移操作，平移操作的主要功能就是将图像的采样进行重新采样，平移操作在QUinCUnX滤波分解之前进行，通过反平移操作后再进行QUinCUnX滤波分解。通常情况下,平移矩阵由如下几种类型：通过上面的分析，整个DFB的结构分为三级，前两级只采用QUinCUnX滤波器，在第一级分解后得到水平方向和垂直方向两个子带,在通过第二级的Quincunx滤波器得到多个方向的子带，前两级只需要使用QUinCUnX滤波器即可。在第三级及后面的分解的时候，需要先进行平移，然后再进行QUinCUnX滤波。通过上面的分析可知，CO1nOUr1et变换的过程，可以使用如下的等式表示：从上面的分析可知，Contour1et变换的实现是基于拉普拉斯塔形分解和方向滤波组的。整个Contour1et变换滤波器组结构图如图3.6所示:mDFB图3.6Con1our1et变换滤波器组结构图本课题，我们的主要工作是对图像进行质量评估，所以通过Contour1et变换之后的Contour1et系数直接可以反映图像的质量。