[论文解读] Denoising and compression in wavelet domain via projection onto approximation coefficients

Mario Mastriani|arXiv (Cornell University)|Jul 31, 2016

Image and Signal Denoising Methods参考文献 35被引用 12

一句话总结

本文提出了一种新型的基于小波域的图像去噪与压缩方法——近似系数投影法（POAC），该方法将细节子带系数投影到近似系数上，仅保留近似系数和三个标量。通过消除细节子带，该方法实现了高比率压缩和具有竞争力的去噪性能，优于传统的基于小波的技术。

ABSTRACT

We describe a new filtering approach in the wavelet domain for image denoising and compression, based on the projections of details subbands coefficients (resultants of the splitting procedure, typical in wavelet domain) onto the approximation subband coefficients (much less noisy). The new algorithm is called Projection Onto Approximation Coefficients (POAC). As a result of this approach, only the approximation subband coefficients and three scalars are stored and/or transmitted to the channel. Besides, with the elimination of the details subbands coefficients, we obtain a bigger compression rate. Experimental results demonstrate that our approach compares favorably to more typical methods of denoising and compression in wavelet domain.

研究动机与目标

• 开发一种新的基于小波域的图像去噪与压缩联合方法。
• 通过消除细节子带系数，减少存储与传输需求。
• 在保持高图像质量的同时，提升压缩效率。
• 探索仅使用近似系数和少量标量进行图像重建的可行性。
• 将POAC的性能与已有的基于小波的去噪与压缩方法进行对比。

提出的方法

• 对输入图像执行离散小波变换（DWT），生成近似子带和细节子带。
• 利用投影运算，将每个细节子带的系数投影到近似子带系数上。
• 仅保留所得的近似子带系数和三个标量参数（例如，缩放因子）用于存储或传输。
• 重建过程利用投影后的系数和存储的标量，合成去噪且压缩的图像。
• 投影运算通过利用近似子带较低噪声的特性来降低噪声。
• 该方法在投影后丢弃所有细节子带系数，从而天然实现高比率压缩。

实验结果

研究问题

• RQ1 将细节子带系数投影到近似系数上，是否能有效降低小波域图像处理中的噪声？
• RQ2 通过消除细节子带，该基于投影的方法在多大程度上实现了高比率压缩？
• RQ3 POAC的重建质量与标准的基于小波的去噪与压缩技术相比如何？
• RQ4 该方法是否能仅使用近似系数和极少量标量维持高图像保真度？
• RQ5 在所提出的框架中，压缩效率与去噪性能之间的权衡关系如何？

主要发现

• POAC方法在投影后丢弃所有细节子带系数，仅保留近似系数和三个标量，实现了显著的压缩效果。
• 实验结果表明，该方法在去噪性能方面与传统基于小波的方法相比具有竞争力。
• 由于将系数投影到噪声更低的近似子带，图像重建质量保持较高水平。
• 该方法简化了传输与存储需求，适用于带宽或内存受限的应用场景。
• 该算法与先前工作存在大量文本重叠，表明其在同一条研究脉络中属于渐进式改进。
• 实验评估包含11页内容、10幅图和2张表，支持了其有效性与高效性的主张。