Contourlet-Based Feature Extraction on Texture Images

Zhao, Yifan; Liang-zheng, Xia

doi:10.1109/csse.2008.364

Cited by 7 publications

(4 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…The combined result is the contourlet filter bank. The contourlet coefficients have a similarity with wavelet coefficients since most of them are almost zero and only few of them, located near the edge of the objects, have large magnitudes [9]. In this work, the Cohen and Daubechies 9-7 filters [10] have been utilized for the Laplacian Pyramid.…”

Section: The Contourlet Transformmentioning

confidence: 98%

A contourlet transform based algorithm for real-time video encoding

2012

View full text Add to dashboard Cite

In recent years, real-time video communication over the internet has been widely utilized for applications like video conferencing. Streaming live video over heterogeneous IP networks, including wireless networks, requires video coding algorithms that can support various levels of quality in order to adapt to the network end-to-end bandwidth and transmitter/receiver resources. In this work, a scalable video coding and compression algorithm based on the Contourlet Transform is proposed. The algorithm allows for multiple levels of detail, without re-encoding the video frames, by just dropping the encoded information referring to higher resolution than needed. Compression is achieved by means of lossy and lossless methods, as well as variable bit rate encoding schemes. Furthermore, due to the transformation utilized, it does not suffer from blocking artifacts that occur with many widely adopted compression algorithms. Another highly advantageous characteristic of the algorithm is the suppression of noise induced by low-quality sensors usually encountered in web-cameras, due to the manipulation of the transform coefficients at the compression stage. The proposed algorithm is designed to introduce minimal coding delay, thus achieving real-time performance. Performance is enhanced by utilizing the vast computational capabilities of modern GPUs, providing satisfactory encoding and decoding times at relatively low cost. These characteristics make this method suitable for applications like video-conferencing that demand real-time performance, along with the highest visual quality possible for each user. Through the presented performance and quality evaluation of the algorithm, experimental results show that the proposed algorithm achieves better or comparable visual quality relative to other compression and encoding methods tested, while maintaining a satisfactory compression ratio. Especially at low bitrates, it provides more human-eye friendly images compared to algorithms utilizing block-based coding, like the MPEG family, as it introduces fuzziness and blurring instead of artificial block artifacts.

show abstract

Section: The Contourlet Transformmentioning

confidence: 98%

A contourlet transform based algorithm for real-time video encoding

2012

View full text Add to dashboard Cite

show abstract

“…The combined result is the contourlet filter bank, which is a double iterated filter bank that decomposes images into directional subbands at multiple scales. The contourlet coefficients have a similarity with wavelet coefficients since most of them are almost zero and only few of them, located near the edge of the objects, have large magnitudes [10]. In the presented algorithm, the Cohen and Daubechies 9-7 filters [11] have been utilized for the Laplacian Pyramid.…”

Section: The Contourlet Transformmentioning

confidence: 99%

A Real-Time Video Encoding Scheme Based on the Contourlet Transform

Katsigiannis¹,

Παπαϊωάννου²,

Maroulis³

2013

Design and Architectures for Digital Signal Processing

View full text Add to dashboard Cite

“…The combined result is the contourlet filter bank, which is a double iterated filter bank that decomposes images into directional subbands at multiple scales. Moreover, the Contourlet Transform coefficients have a similarity with wavelet coefficients since most of them are almost zero and only few of them, located near the edge of the objects, have large magnitudes [142]. Figure 3.9 shows an example of decomposition using the Contourlet Transform.…”

Section: The Contourlet Transformmentioning

confidence: 99%

“…Moreover, this scheme provides enhanced compression due to the downsampling of the lowpass component at each scale.The energy distribution of the Contourlet Transform coefficients is similar to those of the Wavelet Transform, i.e. most of them are near zero except those located near the edges of objects inside the image[265]. Although the Contourlet Transform is considered as an over-complete transform that introduces data redundancy, it provides sub-bands with comparable or better sparseness with respect to the Wavelet Transform, as shown in Figure6.7, making it suitable for compression.…”

mentioning

confidence: 92%

Advanced GPU - based methods for analysis and processing of biomedical images and general purpose video

Katsigiannis¹,

Κατσιγιάννης²

View full text Add to dashboard Cite

Στην παρούσα διατριβή παρουσιάζονται μια πρωτότυπη μέθοδος εξαγωγής χαρακτηριστικών για την ταξινόμηση θυρεοειδικής υπερηχογραφικής υφής, μια πρωτότυπη μέθοδος κατάτμησης εικόνων μικροσυστοιχιών συμπληρωματικού DNA (cDNA) για την υποβοήθηση της διαδικασίας ποσοτικοποίησης της γονιδιακής έκφρασης, ένα λογισμικό για αυτοματοποιημένη ανάλυση εικόνων μικροσυστοιχιών συμπληρωματικού DNA με χρήση επεξεργαστών γραφικών (GPU), και μια πρωτότυπη μέθοδος για υψηλής ποιότητας συμπίεση βίντεο στον επεξεργαστή γραφικών. Προτάθηκαν υλοποιήσεις για υπολογισμό σε επεξεργαστές γραφικών για όλους τους αλγόριθμους που αναπτύχθηκαν στα πλαίσια αυτής της διατριβής, με σκοπό τη μείωση του απαιτούμενου υπολογιστικού χρόνου και την αξιοποίηση της συνήθως υποχρησιμοποιούμενης υπολογιστικής ισχύος των σύγχρονων επεξεργαστών γραφικών. Η πρώτη κύρια συνεισφορά της παρούσας διατριβής είναι μια πρωτότυπη μέθοδος εξαγωγής χαρακτηριστικών για την ταξινόμηση θυρεοειδικής υπερηχογραφικής υφής. Η προτεινόμενη μέθοδος βασίζεται στην εξαγωγή στατιστικών χαρακτηριστικών από υπερηχογραφικές εικόνες του θυρεοειδούς με σκοπό τη μετέπειτα ταξινόμηση σε υγιή και οζώδη θυρεοειδικό ιστό. Οι εικόνες αρχικά αναλύονται με χρήση του μετασχηματισμού Contourlet και στη συνέχεια υπολογίζεται ένα σύνολο στατιστικών χαρακτηριστικών από τις συνιστώσες του μετασχηματισμού Contourlet. Έπειτα εφαρμόζεται ένας αλγόριθμος επιλογής χαρακτηριστικών για να επιλεχθούν τα πιο σημαντικά χαρακτηριστικά και να μειωθεί το μέγεθος του διανύσματος χαρακτηριστικών. Η ακρίβεια της ταξινόμησης που επιτυγχάνεται με τη χρήση των προτεινόμενων χαρακτηριστικών αξιολογήθηκε με χρήση μηχανών ανυσμάτων στήριξης (SVM). Τα πειραματικά αποτελέσματα έδειξαν ότι η προτεινόμενη μέθοδος είναι αποτελεσματικότερη σε σχέση με άλλες σύγχρονες μεθόδους και αποτελεί μια βιώσιμη λύση για το πρόβλημα της ταξινόμησης θυρεοειδικής υπερηχογραφικής υφής.Η δεύτερη κύρια συνεισφορά της παρούσας διατριβής είναι μια πρωτότυπη μέθοδος κατάτμησης εικόνων μικροσυστοιχιών συμπληρωματικού DNA (cDNA). Η προτεινόμενη μέθοδος λαμβάνει ως είσοδο μια εικόνα μικροσυστοιχιών συμπληρωματικού DNA και το προϋπολογισμένο πλέγμα και κατατέμνει την εικόνα σε περιοχές υποβάθρου και περιοχές κηλίδων συμπληρωματικού DNA. Έπειτα από ένα στάδιο προεπεξεργασίας με σκοπό τη μείωση των επιπέδων θορύβου, επιλέγονται αυτόματα εικονοστοιχεία αρχικοποίησης για τις περιοχές υποβάθρου και κηλίδων και στη συνέχεια η κατάτμηση πραγματοποιείται με μια μέθοδο ανάπτυξης περιοχών. Η αξιολόγηση της προτεινόμενης μεθόδου σε πραγματικές εικόνες μικροσυστοιχιών συμπληρωματικού DNA μέσω οπτικού ελέγχου (λόγω αδυναμίας απόκτησης της δεδομένης αλήθειας – ground truth) έδειξε ότι η προτεινόμενη μέθοδος επιτυγχάνει ποιοτική κατάτμηση των εικόνων. Η συγκριτική αξιολόγηση πάνω σε συνθετικές εικόνες μικροσυστοιχιών έδειξε ότι η προτεινόμενη μέθοδος επιτυγχάνει καλύτερα στατιστικά αποτελέσματα σε σχέση με σύγχρονες μεθόδους κατάτμησης. Η τρίτη κύρια συνεισφορά της παρούσας διατριβής είναι ένα λογισμικό για την αυτοματοποιημένη δημιουργία πλέγματος και την κατάτμηση εικόνων μικροσυστοιχιών συμπληρωματικού DNA το οποίο προσφέρει ένα εύκολο στη χρήση γραφικό περιβάλλον που επιτρέπει την ανάλυση των εικόνων με το πάτημα ενός κουμπιού. Οι υπολογισμοί γίνονται όλοι στον επεξεργαστή γραφικών για να επιτευχθούν χαμηλοί χρόνοι υπολογισμού. Το προτεινόμενο λογισμικό ενσωματώνει μια προτεινόμενη υλοποίηση σε επεξεργαστές γραφικών μιας πολύ αποτελεσματικής μεθόδου δημιουργίας πλέγματος, η οποία χρησιμοποιεί γενετικό αλγόριθμο για τον υπολογισμό του βέλτιστου πλέγματος σε εικόνες μικροσυστοιχιών. Η προτεινόμενη υλοποίηση επιτυγχάνει σημαντικά χαμηλότερους χρόνους υπολογισμού σε σχέση με την υλοποίηση για κεντρικούς επεξεργαστές και επιτρέπει τη χρήση της μεθόδου σε πραγματικές εργαστηριακές συνθήκες. Εκτός από τη μέθοδο δημιουργίας πλέγματος, το λογισμικό ενσωματώνει και μια υλοποίηση για επεξεργαστές γραφικών της προτεινόμενης μεθόδου κατάτμησης εικόνων μικροσυστοιχιών συμπληρωματικού DNA. Βασιζόμενο στις προαναφερθείσες μεθόδους, το προτεινόμενο λογισμικό επιτυγχάνει αυξημένες επιδόσεις σε σχέση με σύγχρονες μεθόδους ανάλυσης εικόνων μικροσυστοιχιών συμπληρωματικού DNA. Η τελευταία κύρια συνεισφορά της παρούσας διατριβής είναι μια πρωτότυπη μέθοδος για υψηλής ποιότητας συμπίεση βίντεο στον επεξεργαστή γραφικών. Ο προτεινόμενος αλγόριθμος κάνει χρήση του μετασχηματισμού Contourlet σε συνδυασμό με άλλες απωλεστικές και μη απωλεστικές τεχνικές συμπίεσης δεδομένων με σκοπό τη συμπίεση δεδομένων βίντεο σε πραγματικό χρόνο με χρήση του επεξεργαστή γραφικών. Η προτεινόμενη μέθοδος επιτυγχάνει υψηλότερη οπτική ποιότητα σε σχέση με άλλες σύγχρονες μεθόδους σε περιπτώσεις πολύ χαμηλού bit rate και δεν υποφέρει από την εμφάνιση μπλοκ τεχνουργημάτων όπως συμβαίνει με τους διαδεδομένους αλγόριθμους συμπίεσης βίντεο που βασίζονται στον μετασχηματισμό DCT. Τα πιο εντατικά υπολογιστικά βήματα του προτεινόμενου αλγορίθμου υπολογίζονται στον επεξεργαστή γραφικών, μειώνοντας έτσι το φόρτο του κεντρικού επεξεργαστή και αυξάνοντας την ικανότητα παράλληλης εκτέλεσης του συστήματος.

show abstract

Contourlet-Based Feature Extraction on Texture Images

Cited by 7 publications

References 5 publications

A contourlet transform based algorithm for real-time video encoding

A contourlet transform based algorithm for real-time video encoding

A Real-Time Video Encoding Scheme Based on the Contourlet Transform

Advanced GPU - based methods for analysis and processing of biomedical images and general purpose video

Contact Info

Product

Resources

About