在今天之前,我不知道有这样的转换;我只知道 DCT 和小波变换,但今天我的一位研究图像处理项目的老师告诉我,轮廓变换比小波变换要好得多。
更好的是,因为小波变换在 3 个方向(对角线、水平、垂直)上提取频率,而轮廓波变换能够在任何方向上提取信息。
有很多关于小波变换的书,但我找不到一本主要关注轮廓波变换的书,有没有你推荐的关于轮廓波变换的书?
PS:我不是在谈论研究论文。
在今天之前,我不知道有这样的转换;我只知道 DCT 和小波变换,但今天我的一位研究图像处理项目的老师告诉我,轮廓变换比小波变换要好得多。
更好的是,因为小波变换在 3 个方向(对角线、水平、垂直)上提取频率,而轮廓波变换能够在任何方向上提取信息。
有很多关于小波变换的书,但我找不到一本主要关注轮廓波变换的书,有没有你推荐的关于轮廓波变换的书?
PS:我不是在谈论研究论文。
我不知道有任何专门针对轮廓线的书。Do 和 Vetterli 在Beyond Wavelets , 2003 (G. Welland, Ed.)中有一章名为Contourlets。您还有一篇 100 页的论文(几乎是一本书),其中将轮廓线放在多维滤波器组和多尺度几何表示(2012 年)的角度。
冒着缓和老师断言的风险,良好的压缩是具有良好品质和高效编码方案的转换的结果。如果您没有与之关联的简洁编码方案,“最佳”转换可能无法正确压缩图像。例如,Contourlets 有点多余。因此,它的压缩能力受到冗余的限制。据我所知,冗余变换尚未证明它们比严格采样的压缩要好得多(可能在大压缩比下除外)。即使你不是在谈论研究论文,让我提几个不同的轮廓版本。CRISP-contourlet是非冗余的,而Nonsubsampled Contourlet Transform是完全冗余的。
在尝试理解变换时,尤其是使用类似小波的分解时,查看数学和采样方案之间的相互作用通常很有用。
除了 Minh N. Do 论文,我正在努力寻找 AL da Cunha 博士的副本。