چکیده
محدودیت های بسط های متعارف و مجزای تبدیل های یک بعدی نظیر تبدیل های فوریه و ویولت(موجک) در بدست آوردن هندسه ی لبه های تصویر به خوبی شناخته شده هستند. در این مقاله ما یک تبدیل دو بعدی "درست" را دنبال مینماییم که می تواند ساختار هندسی ذاتی را که در تبدیل بصری کلیدی میباشد بدست آورد. چالش اصلی در جستجوی هندسه در تصاویر از ساختار گسسته ی داده ناشی میشود. بنابراین برخلاف دیگر رهیاف تها همانند کرولت ها (curvelet) که در ابتدا یک تبدیل را در حوزه ی پیوسته توسعه میدهند و سپس با نمونه برداری داده را گسسته می نمایند، رهیافت ما از ایجاد حوزه ی گسسته شروع مینماید و سپس همگرایی آنرا به بسطی در حوزه ی پیوسته مطالعه مینماید. بویژه ما یک بسط چند رزولوشنه و چند جهتی را با استفاده از فیلتر بانکهای غیر تفکیکپذیر ایجاد مینماییم که تقریباً مشابه رهیافتی است که ویولتها از فیلتر بانکها استخراج میشوند. ایجاد چنین رهیافتی با استفاده از بخشهای کانتور به یک گسترش تصویر چند رزولوشنی انعطافپذیر، محلی و جهتی منجر میشود و به همین دلیل این رهیافت تبدیل "کانتورلت " نامیده میشود. تبدیل کانتورلت گسسته یک الگوریتم فیلتر بانک تکرار شونده دارد که نیاز به عملگرهایی از مرتبهی N برای تصویری با N پیکسل دارد. به علاوه، ما یک ارتباط دقیق را بین فیلتر بانکهای توسعه داده شده و بسط کانتورلت مرتبط در حوزه ی پیوسته را از طریق یک چارچوب آنالیز چند رزولوشنی جهتدار ایجاد مینماییم. ما نشان میدهیم که با مقیاسده ی سهموی و ممان های صفر شونده ی جهتی کافی، کانتورلتها نرخ تقریب بهینه ای را برای توابع قطعه ای هموار با ناپیوستگی هایی در منحنی های با مشتق پذیری پیوسته بدست میدهند. در نهایت ما برخی آزمایشات عددی را نشان میدهیم که توانمندی کانتورلتها را در کاربردهای متعدد پردازش تصاویر نشان میدهند.
میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید