自然图像的多尺度相关性
Samy Lakhal1,2,3, Alexandre Darmon4, Iacopo Mastromatteo1,5
1Chair of Econophysics and Complex Systems, Ecole Polytechnique, 91128, Palaiseau Cedex, France.
Scientific reports
|September 9, 2023
概括
我们开发了一种新的多尺度相关性 (MSR) 测量方法来分析图像的统计性质. 这种方法比传统的图像分析和处理技术更强大,更具信息性.
科学领域:
- 信息理论是信息理论.
- 统计图像分析 统计图像分析
- 计算机视觉 计算机视觉 计算机视觉
背景情况:
- 了解自然图像的统计性质对于图像处理至关重要.
- 像功率频谱分析这样的经典方法在捕捉图像内容的稳定性方面存在局限性.
研究的目的:
- 引入和验证多尺度相关性 (MSR) 测量.
- 评估图像的强度,以压缩在多个尺度.
- 将MSR与经典图像分析技术进行比较.
主要方法:
- 开发了一种不可知论的信息理论方法.
- 定义了多尺度相关性 (MSR) 的指标.
- 合成纹理和自然图像的特征MSR.
主要成果:
- 在所有尺度上,MSR有效地评估图像对压缩的强度.
- 自然图像与关键的随机纹理有相似之处.
- 在稳定性和信息内容方面,MSR的性能优于功率频谱分析.
结论:
- MSR方法为图像分析和处理提供了先进的功能.
- MSR提供了高水平的物理解释性.
- 这种方法适用于校准程序,如颜色映射和denoising.
