[论文解读] A Class of LULU Operators on Multi-Dimensional Arrays

Roumen Anguelov, Inger Plaskitt|ArXiv.org|Dec 18, 2007

Mathematical Analysis and Transform Methods参考文献 12被引用 6

一句话总结

该论文将原本定义于一维序列的 LULU 算子扩展至多维数组，采用形态学连接框架。证明了扩展后的算子保持关键性质，如可分性、幂等性、共幂等性及总变差保持性，从而实现图像的总变差保持离散脉冲分解，支持通过部分重建实现去噪与特征提取。

ABSTRACT

The LULU operators for sequences are extended to multi-dimensional arrays via the morphological concept of connection in a way which preserves their essential properties, e.g. they are separators and form a four element fully ordered semi-group. The power of the operators is demonstrated by deriving a total variation preserving discrete pulse decomposition of images.

研究动机与目标

• 将 LULU 算子从一维序列推广至多维数组，同时保持其核心数学性质。
• 证明扩展后的算子在高维下仍为分离算子，保持幂等性与共幂等性。
• 证明算子在二维数组中保持总变差，从而实现图像离散脉冲的无噪分解。
• 将理论应用于图像处理任务，如通过脉冲分量的部分重建实现去噪与特征提取。

提出的方法

• 通过强化的形态学连接概念在 Z^d 上定义 LULU 算子，将一维的极大-极小与极小-极大运算推广至二维邻域。
• 证明扩展算子满足分离算子的五个公理：与平移交换性、平移不变性、正齐次性、幂等性与共幂等性。
• 建立 L_n 与 U_n 的四种复合运算在逐点序下构成完全有序半群，与一维情况类似。
• 通过证明 TV(f) = TV(L_n(f)) + TV((id - L_n)(f)) 对所有 f ∈ BV(Z^2) 成立，证明算子保持总变差。
• 利用总变差保持性质，推导出图像的离散脉冲分解，表示为局部极大值脉冲之和。
• 通过选择特定尺寸范围的脉冲进行部分重建，实现去噪或特征提取，利用噪声与结构化图像在脉冲尺寸分布上的差异。

实验结果

研究问题

• RQ1 LULU 算子框架能否从一维序列推广至二维数组，同时保持其基本性质？
• RQ2 在 Z^2 上扩展的 LULU 算子是否仍满足与一维情况相同的公理体系，保持其为分离算子？
• RQ3 二维图像的总变差在扩展 LULU 算子及其复合运算作用下是否保持不变？
• RQ4 利用这些算子对二维图像进行离散脉冲分解，能否有效实现去噪与特征提取？

主要发现

• 在 Z^d 上扩展的 LULU 算子满足分离算子的全部五个公理，包括幂等性与共幂等性，确保其稳定性和滤波特性。
• 在 Z^2 上，L_n 与 U_n 的四种复合运算在逐点序下构成完全有序半群，保持了一维情况下强 LULU 结构。
• 算子保持总变差：对所有 f ∈ BV(Z^2)，有 TV(f) = TV(L_n(f)) + TV((id - L_n)(f))，表明分解过程中不会引入人为噪声。
• 图像的离散脉冲分解为局部极大值脉冲的形式是总变差保持的，由等式 TV(f) = ΣΣ TV(ϕ_ks) 对分解中所有脉冲成立可得。
• 随机噪声主要产生小尺寸脉冲（90% ≤ 尺寸 20），可通过滤除小尺寸脉冲实现有效去噪；而自然图像则包含大量较大尺寸脉冲。
• 通过仅使用特定尺寸范围的脉冲（如大尺寸脉冲）进行图像部分重建，能成功提取主要结构特征，如在海景图像中清晰分离出噪声、小尺寸与大尺寸特征。