Nonsubsampled Contourletは（Nonsubsampled contourletは、NSCTを変換します）
同様に、いくつかの処理にソース画像の係数は、その後、逆変換バック対象画像を変換します。
NSCTは、新たなシフト不変、マルチスケール、多方向素早くシフトです。
NSCTピラミッドNonsubsampled（NSP）とNonsubsampled方向フィルタ（NSDFB）ベースの変換します。ピラミッドNSPによってまず、入力画像の高域の分解と2つの部分を低域、次いで指向サブバンドの高域サブバンド分解NSDFBの複数によって、分解が進行する上記低周波部分。
- Nonsubsampledピラミッド（NSP）：
ラプラシアンピラミッド（LP）マルチスケール解析機能の異なるNonsubsampledピラミッド（NSP）とContourlet。Nonsubsampledピラミッド（NSP）マルチスケール分解によって得られた画像は、NSPは、並進不変性得られたフィルタサンプルの歪みを低減、アップサンプリングおよびダウンサンプリングを剥奪しました。NSPは、シフト不変性構造解析を有するNSCTマルチスケールフィルタである、マルチスケール分解LP分析機能として得ることができます。図2.4（a）の配置三次元。
- Nonsubsampled方向フィルタ（NSDFB）
Nonsubsampled方向フィルタ（NSDFB）2チャネルフィルタ、NSCT同じ方向の特異点における合成の分配係数です。方向フィルタ（DFB）は、バンベルクとスミスが提案されています。L層のツリー構造の分解により効果的に帯域分割ウェッジなるサブバンドに信号を分離します。フィルタの歪みを低減するサンプリングNonsubsampled DFB（NSDFB）非サンプリングは、並進不変性が得られます。図の大きさと方向画像のそれぞれのサブスケールと同じサイズであるが、Contourletピクチャは、全てのサブバンドの合計に等しい変換しました。NSCT詳細は保存され、係数が冗長で変換。セグメンテーションマップは、前記スケールで指向サブバンドの数に各スケール2倍ずつの指向サブバンドの数1,2,3 2,4,8ヶ月をそれぞれ周波数領域における三次元の画像であります。
紙125：NSCT - Nonsubsampled contourlet変換プログラム（研究質問スケール不変性） - Jason.Hevey -ブログパークhttps://www.cnblogs.com/molakejin/p/5918976.html
[CV] NSCT：Nonsubsampled Contourletは_アルゴリズムMatlabのリアライズを変換し、コンピュータビジョンCV、画像処理、列-CSDNを_SoaringLee_fighting画像融合技術はブログhttps://blog.csdn.net/soaringlee_fighting/article/details/80150711を
Nonsubsampled Contourlet変換（Nonsubsampledは、NSCT変換contourlet）及び非ピラミッド構造非サンプリングサンプリング方向フィルタバンク、等シフト不変性、高い冗長性を利用できるContourletを変換しない優れた特性を有する、ダミーを克服することができますギブズ現象。画像はContourletマルチスケールに分解変換nonsubsampled後、多方向詳細は、これらの詳細は、係数の関係を簡略化した画像の異なる方向に異なる周波数帯域の特性を表します。
学習ペーパー1：
補間画像超解像再構成と組み合わせるNSCT -道路旅客馬場http://www.doc88.com/p-5496418928888.html
学習ペーパー2：
ベースの学習NSCT指紋画像超解像再構成。
学習ペーパー3：
新超解像画像復元技術NSCT .PDF https://max.book118.com/html/2015/0909/25034669.shtm
学習ペーパー4：
シングル画像超解像再構成アルゴリズムは、マルチの機能を組み合わせた-ハルビン工業大学の研究や学術-無料PubMedのhttp://school.freekaoyan.com/heilongjiang/hit/keyan/2019/10-24/157190709570584.shtml
为提高直接捕获的图像质量，针对梯度特征只能提取水平、垂直方向信息及非下采样轮廓波变换(NSCT)提取细节信息不足的缺陷，提出一种结合Gabor变换及NSCT的超分辨率重建算法.该算法充分利用Gabor变换和NSCT的互补性，针对输入图像块的特点，采用Gabor变换来提取纹理特征，NSCT来提取轮廓特征，然后分别利用稀疏模型进行重建，最后合并成一幅高分辨率图像.由于输入图像或多或少存在模糊，在重建过程中，加入了去模糊的正则项，以消除输入模糊的影响.实验结果表明，结合两种特征的超分辨率效果与单一特征相比，能够恢复更多的细节信息，去模糊正则项也有一定的作用.本文方法与Kim提出的核岭回归及Yang提出的稀疏表示算法(SCSR)相比，主观上视觉效果更加清晰，客观上PSNR值平均提高了近2dB，说明了该算法能够有效地提高图像的质量。
方差分类：对于平坦块，重点复原纹理信息，利用Gabor滤波器提取小块的纹理特征；而对于非平坦块，重点恢复其轮廓信息，利用NSCT提取小块的轮廓特征。
NSCT不仅具有良好的多方向性和多尺度性，还具有平移不变性，能够有效地提取图像的轮廓特征. NSCT由非下采样金字塔(NSP)分解和非下采样方向滤波器组(NSDFB)分解组成。
以两层NSP分解和两层NSDFB分解为例，阐述图像分解过程.图像首先经NSP分解得到一个高频子带和一个低频子带，然后采用NSDFB对高频子带进行方向分解，若方向分解系数为m，则得到2m个高频子带.而下一次NSP分解再对上一层NSP分解得到的低频图像进行分解，因此经过两层NSP分解和两层NSDFB分解，可以得到1个低频子带和8个高频子带.相比较梯度特征，NSCT可以得到更多尺度与方向的信息，对图像的描述能力更强。
