[发明专利]一种基于HEES变换的图像近似方法

说明书

本发明提供一种基于HEES变换的图像近似方法，包括如下步骤：输入原始图像，分块，拟合椭圆参数，求过渡带参数及灰度参数，优化参数，四叉树修剪，存储参数并输出；本发明通过建立同心椭圆模型实现HEES(Homocentric Elliptical Extended Smoothlet)变换，过渡带中每个点的参数由过渡带内部的点到边缘曲线的距离决定，在求过渡带时，边缘曲线可以是椭圆的任意部分曲线,而不限定一定是半椭圆的曲线，平移后的曲线与平移前的曲线共中心，且长短轴的比值相同，实现对图像的表达，使得对图像的表达更为准确。

技术领域

本发明涉及图像处理技术领域，具体涉及了一种基于HEES变换的图像近似方法。

背景技术

图像的几何特征是图像最重要的信息。人们对于表示图像的几何多尺度方法的研究越来越普遍，这些多尺度方法大致分为两类。一类是基于框架的非自适应计算方法，例如：ridgelets、curvelets、contourlets、shearlets、directionlets。另一类是自适应的近似方法，例如：wedgelets、beamlets、second order wedgelets、platelets、surflets、smoothlets。近年来基于基的自适应算法也出现了，例如：brushlets、bandelets、grouplets和tetrolets。这些“X-lets”被称为超小波，越来越多的“X-lets”被定义。

Smoothlets是一种针对图像边缘用曲线形基准线逼近的超小波变换，基准线是指在一个图像块中需要被拟合的曲线。就灰度图像而言，图像边缘基准线并不是由单条线组成，而是具有一个过渡带。Smoothlets针对边缘的这种特点也增加了一个过渡带，实现对图像的表达。Smoothlets在常用超小波的基础上实现了对图像更好的逼近，它是基于Secondorder wedgelets变换所提出的一种针对曲线形的具有模糊基准线逼近的超小波变换，它能很好的对基准线进行逼近，且能很好地捕捉自然图像中边缘模糊的特征，Smoothlets变换对图像宏块中的图像边缘能进行更好的逼近从而在一定程度上提高了其变换效率。

Smoothlets变换在使用椭圆模型作为边缘曲线模型时，只拟合一次边缘，然后平移这个边缘得到过渡带。为了让边缘曲线与平移后的边缘曲线不相交，所使用的椭圆都是半椭圆，这样以来，使得拟合性变差。现实中的图像的边缘可能形式多样，这样的表示方式不能够准确表达图像，因此需要对Smoothlets变换进行改进。

发明内容

本发明的发明目的在于：为解决现有的图像近似处理技术采用Smoothlets变换时由于图像的边缘并不只是椭圆导致最终的得到的近似图像不够准确的问题，从而提供一种改进的Smoothlets算法，使得对图像表达的更准确。

本发明的技术方案如下：

一种基于HEES变换的图像近似方法，Homocentric Elliptical ExtendedSmoothlet变换以下简称HEES变换，包括如下步骤：

S1：输入原始图像。

S2：分块；对原始图像进行四叉树分块处理得到多个图像块。

S3：拟合椭圆参数；对每一个图像块使用椭圆拟合算法得到拟合的椭圆参数a、d、θc、C(xc,yc)，其中，a为椭圆长半轴长，d为椭圆短半轴长，a>0，d>0，θc为椭圆倾斜角,C为椭圆圆心，xc为椭圆圆心横坐标，yc为椭圆圆心纵坐标。