【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切。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。
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切。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。

Contourlet变换能够非常准确的表征出图像的各向异性特征，所以Contourlet变换可以在图 像的边缘信息时能够达到较好的表示。
Contourlet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，：
（左图）和轮廓波变换（右图）的对比
，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 Contourlet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（LH）,垂直（HL并口对 角（HH）三个方向的方向信息，而基于Contourlet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Contourlet变换能够得到精度更高的图像特征信息。。
因此，Contourlet轮廓波变换方法是一种真正的图像稀疏表达方法，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啊。。
Contourlet变换理论知识
Contourlet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。Contourlet轮廓波变换的基本流程为切:
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Contourlet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(LP)和方向滤波器组(DFB)O其中LP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DFB。
通过双重滤波器组进行变换的Contourlet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LP将高频和低频分量进行有效分离；
• LP和DFB结构都具有可重构性，因此contourlet变换也具有完全重构的特点。
整个Contourlet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Contourlet变换，一次循环，从而实现图 像的多尺度多方向分解。
整个分解流