图像的多尺度几何分析概述摘要：以函数的稀疏表示为主线，详细介绍了各种多尺度几何分析产生的背景、发展历程和逼近性能，并分析了它们各自存在的优缺点，最后指出了其发展方向。??关键词：多尺度几何分析；奇异性；正则性；非线性逼近；有界变差函数??：TP391文献标志码：A：1001-3695(2007)10-0009-060引言??自1807年Fourier提出任意一个周期为2π的函数都可以表示成一系列三角函数的代数和，到今天蓬勃发展的小波分析，科学家们的研究目的是对不同的函数空间提供一种直接、简便的分析方式，即寻求函数在某一特定空间下，在某种基下的最优逼近。逼近的误差体现了用此基表示函数的稀疏程度或是分解系数的能量集中程度。??Fourier分析的思想是将函数表示为具有不同频率的谐波函数的线性叠加，即将函数用一簇三角基展开，将原函数在时域中的讨论转换为对这个叠加权系数的讨论，即Fourier变换在频域中的研究。这种三角体系展开方式的局限性促使人们去寻找其他的正交体系――小波分析。小波分析的地位在数学界是独一无二的，它较精确的时频定位特性，成为处理非平稳信号的有利工具；也证明了小波分析比Fourier分析更能稀疏地表示一段分段光滑或有界变差函数。这是小波分析成功的一个关键原因。但是，由于张量积小波只具有有限方向数，它主要适合表示一维奇异性的对象，当它在处理二维或更高维奇异性时，就显得无能为力。小波在表示这些函数时并不是最优的或者最稀疏的表示方法。??为了更好地处理高维奇异性，一类带有方向性的稀疏表示方法――多尺度几何分析应运而生。它的产生符合人类视觉皮层对图像有效表示的要求，即局部性、方向性和多尺度性。它的目的就是为具有面奇异或线奇异的高维函数找到最优或最稀疏的表示方法。目前，已有的多尺度几何分析方法有??EmmanuelJCandès等人提出的脊波变换(ridgelettransform)[1]、单尺度脊波变换(monoscaleridgelettransform)[2]、curvelet变换(curvelettransform)[3]，E.LePennec等人提出的bandelet变换[4]，以及M.N.Do等人提出的contourlet变换[5]。另外，还有一些多尺度分析方法，如DavidDonoho提出的wedgelet[6]、beamlet[7]等。本文根据以上方法出现的时间顺序来讨论其逼近性能的异同。??在图像处理方面，图像的稀疏表示在对图像数据的存储、传输中得到了广泛的应用。由于余弦基和小波基能够用较少的系数达到图像较精确的非线性逼近，成为图像稀疏表示的重要方法。如今，多尺度几何分析的出现，又为图像的稀疏表示提供了一个全新而又有效的方法。??1奇异性分析??本文称无限次可导的函数是光滑的或没有奇异性的。若函数在某处有间断或某阶导数不连续，则称该函数在此处有奇异性。图像的奇异性或非正则结构通常包含了图像的本质信息。例如图像亮度的不连续性表示景物中的边缘部分，这是认识图中最重要的部分。图像的奇异性是常见的，也是重要的。在自然界中光滑物体的边界往往体现为沿光滑曲线的奇异性，并不仅是点的奇异性。在数学上，通常用Lipschitz指数刻画信号的奇异性大小[8]。??3多尺度几何分析??3．1脊波变换??脊波理论的基本框架是由E.JCandès[1]建立，并与D.L.Donoho等人在其后续工作中[12]逐步拓展和完善。脊波变换是一种非自适应的高维函数表示方法，对含直线奇异的多变量函数能够达到最优的逼近阶。脊波理论的提出在多尺度几何分析史上产生了深远的影响，具有不可估量的价值。脊波变换的核心主要是经过radon变换把线状奇异性变换成点状奇异性。小波变换能有效地处理在radon域的点状奇异性。其本质就是通过对小波基函数添加一个表征方向的参数得到的，所以它不但与小波一样有局部时频分析的能力，还具有很强的方向选择和辨识能力，可以非常有效地表示信号中具有方向性的奇异特征。这是小波方法所不能得到的。??3．1．2数字脊波的实现??在实际应用中，脊波变换的离散化及其算法实现是一个具有挑战性的问题。由于脊波的径向性质，对连续公式直接离散实现时要在极坐标中进行插值。这样的变换结果或者是冗余的，或者不能完全重构。脊波变换数字实现的优劣很大程度上取决于其中radon变换数字实现的重构精度。为此，人们提出了各种...