Maxima d'ondelettes couleur

Maxima d'ondelettes couleur

Color wavelet Maxima

Philippe Carré

SIC Laboratory - FRE-CNRS 2731 University of Poitiers - UFR Sciences -SP2MI, Boulevard Marie et Pierre CurieTeleport 2 BP 30179 86962 Futuroscope Chasseneuil CEDEX (France)

Corresponding Author Email: 
carre@sic.sp2mi.univ-poitiers.fr
Page: 
623-633
|
Received: 
15 June 2004
|
Accepted: 
N/A
|
Published: 
31 October 2004
| Citation

OPEN ACCESS

Abstract: 

In this article, we propose a representation scheme based on wavelet maxima for color images representation. Wavelet maxima constitute a multi-scale edge decomposition which can be processed using classic techniques of contour study but which have the property of being empirically inversable.

We propose to adapt this representation to color images. For this, we extend the multi-scale gradient decomposition. Then, by using classical definitions of the color edges, a color maxima wavelet representation is defined, which shows the edge evolution through the scales. By applying Mallat's iterative reconstruction algorithm, two reconstructions are presented: a grayscale image that gives information about the edge detected in the color space and a color image that can constitute the result of a denoising algorithm.

Finaly, we propose to introduce segmentation based region to this new representation in order to obtain a more robust edge selection. This strategy is illustrated with denoising application.

Résumé

Dans cet article, nous proposons un schéma de représentation multiéchelle pour les images couleur utilisant les maxima d'ondelettes. Les maxima d'ondelettes constituent une décomposition en contours multiéchelle, qui peut être traitée par les techniques classiques d'études de contour, mais qui possède la propriété d'être empiriquement inversible.

Nous proposons d'adapter cette représentation aux images couleur. Pour cela, nous calculons la décomposition en gradient multiéchelle couleur suivant une approche marginale. Ensuite, en utilisant les définitions classiques des contours couleur à partir du gradient, une représentation couleur multiéchelle est définie qui illustre l'évolution des contours couleur à travers les échelles. En appliquant l'algorithme itératif d'inversion de Mallat, nous proposons deux reconstructions possibles : une image en niveaux de gris qui caractérise les différents contours détectés et une image couleur qui peut constituer le résultat d'un débruitage si la représentation en maxima d'ondelettes a été au préalable seuillée.

Enfin, nous proposons d'intégrer dans la représentation en maxima des algorithmes de segmentation région couleur, ceci afin de fournir une sélection des contours plus robustes. Cette dernière étape est illustrée dans le cadre de la restauration de données couleur bruitées.

Keywords: 

Wavelet, Multiscale edge, Color segmentation

Mots clés

Ondelettes, Contour multiéchelle, Segmentation couleur

 

1. Introduction
2. Représentation En Maxima D'ondelettes Des Images De Niveaux De Gris
3. Gradient Multiéchelle Couleur
4. Sélection Des Maxima D'ondelettes Suivant Une Approche Contour
5. Sélection Des Maxima D'ondelettes Suivant Une Approche Région
6. Conclusion
  References

[1] S. ZHONG, Edge Representation from Wavelet Transform Maxima. PhD thesis, New York University, September 1990.

[2] Y. MEYER, Ondelettes et opérateurs, vol. I. Paris: Hermann, 1990.

[3] M. SHENSA, «Wedding the à trous and Mallat algorithms,» IEEE Trans. Signal Processing, vol. 40, no. 10, pp. 2464-2482, 1992.

[4] J. CANNY, « computational approach to edge detection», IEEE Trans. on PAMI, vol. 8, no. 6, pp. 679-698, 1986.

[5] R. CARMONA, «Extrema reconstruction and spline smoothing: Variations on an algorithm of mallat and zhong», in Wavelets and Statistics (A. Antoniadis and G. Oppenheim, eds.), vol. 103 of Lecture Notes in Statistics, (New York), pp. 83-94, Springer-Verlag, 1995.

[6] J. LU, «On consistent signal reconstruction from wavelet extrema represention », in Wavelet Applications in Signal and Image Pocessing, vol. 3169, (San Diego), SPIE, 1997.

[7] S. MALLAT and S. ZHONG, «Characterization of signals from multiscale edges», IEEE Trans. on PAMI, vol. 14, pp. 710-732, July 1992.

[8] D. YOULA and H. WEBB, «Image restoration by the method of convex projections», IEEE Trans. on Medical Imaging, no. 1, pp. 81-101, 1982.

[9] J. LU, J. WEAVER, D. HEALY, and Y. XU, «Noise reduction with multiscale edge representation and perceptual criteria », in International Symposium on Time-Frequency and Time-Scale Analysis, IEEE, October 1992.

[10] S. CHANG, «Image interpolation using wavelet-based edge enhancement and texture analysis», Master's thesis, Berkeley University, May 1995.

[11] S. DIZENZO, «A note on the gradient of a multi-image», CVGIP, vol. 33, pp. 116-125, 1986.

[12] S. MALLAT and W. HWANG, «Singularity detection and processing with wavelets», IEEE Trans. Information Theory, vol. 38, no. 2, pp. 617-643, 1992.

[13] A. STOICA, P. CARRÉ and C. FERNANDEZ-MALOIGNE, «Color images de-noising by wavelet maxima representation and regions segmentation», in CGIP'2002, April 2002. Poitiers, France.

[14] J.-L. STARCK, E. CANDÈS, and D. DONOHO, «The curvelet transform for image denoising», IEEE Transactions on Image Processing, vol. 11, pp. 670-684, November 2002.

[15] P. CARRÉ and E. ANDRÈS, « Discrete Analytical Ridgelet Transform», Signal Processing, vol. 84, pp. 2165-2173, 2004.