小波变换基本方法.ppt

小波变换小波变换既有频率分析的性质，又能表示发生的时间，有利于分析确定时间发生的现象，傅立叶变换只具有频率分析的性质。小波变换的多分辨率的变换，有利于各分辨度不同特征的提取（图像压缩、边缘抽取、噪声过滤）。小波变换一个信号为一个小波级数，这样一个信号可由小波系数来刻画。小波变换速度比傅立叶快一个数量级，长度为M的信号，计算复杂度：傅立叶变换：小波变换：设有信号f(t):其傅里叶变换为F(jΩ):即：=++Ψ（t）1/2Ψ（2t-t0）2/3Ψ（4t-t1）小波函数必须满足以下两个条件的函数：小波必须是振荡的；小波的振幅只能在一个很短的一段区间上非零，即是局部化的。如：图1小波例1图2小波例2不是小波的例子图4图3设一维信号{x1，x2}平均细节则一维信号可以表示成{a，d},且原信号可以恢复如下：当x1与x2非常接近时，一维信号{x1，x2}可近似的用{a}表示，可实现信号压缩。a可以看成信号的整体信息d可看成原信号用a表示时丢失的细节信息平均与细节丢失细节信号压缩为：{a0,0}丢失细节信号压缩为：{a1,0,a1,1}信号可进一步表示为：{a0,0,d0,0}信号可以表示为：{a1,0,a1,1,d1,0,d1,1}对多元素信号{x1，x2，x3，x4}平均与细节平均与细节{x1，x2，x3，x4}－最高分辨率信息{a1,0,a1,1}－次高分辨率低频信息{d1,0,d1,1}－次高分辨率细节信息{a0,0}－最低分辨率低频信息{d0,0}－最低分辨率细节信息{x1，x2，x3，x4}的小波变换{a0,0,d0,0,d1,0,d1,1}由整体平均和两个不同分辨率的细节信息构成金字塔算法{1.5}：最低分辨率低频信息{0.5}：最低分辨率细节信息{2,1}：次高分辨率低频信息{1,-3}：次高分辨率细节信息{3,1,-2,4}：最高分辨率信息一维信号{3,1,-2,4}的小波变换为{1.5,0.5,1,-3}尺度函数与小波函数信号序列{x1，x2，x3，x4}看成单位区间上的一个函数平移伸缩010203引入记号：定义：可得：其它其它函数可以由一个尺度函数的伸缩与平移的线性组合表示同理，对小波变换其它伸缩和平移序列的多分辨率表示：设Wj是Vj相对于Vj+1的正交补空间，Wj的正交基函数是由一个称为小波函数的函数?(x)经伸缩平移得到的Vj的正交基函数是由一个称为尺度函数的函数?(x)经伸缩平移得到的1.1一维小波变换（一维多尺度分析）设有L2(R)空间的子空间序列：构成Vj+1的正交基。01满足下列关系式(二尺度方程)：02信号的多尺度分解：1.2二维小波变换（二维多尺度分析）二维小波变换是由一维小波变换扩展而来的，二维尺度函数和二维小波函数可由一维尺度函数和小波函数张量积得到，即：图像的二维小波变换包括沿行向(水平方向)和列向(垂直方向)滤波和2-下采样，如图所示：图5图像滤波采样说明：如图所示，首先对原图像I(x,y)沿行向(水平方向)进行滤波和2-1下采样，得到系数矩阵IL(x,y)和IH(x,y)，然后再对IL(x,y)和IH(x,y)分别沿列向(垂直方向)滤波和2-1下采样，最后得到一层小波分解的4个子图：ILL(x,y)—I(x,y)的（粗）逼近子图IHL(x,y)—I(x,y)的水平方向细节子图ILH(x,y)—I(x,y)的垂直方向细节子图IHH(x,y)—I(x,y)的对角线方向细节子图二维金字塔分解算法令I(x,y)表示大小为M?N的原始图像，l(i)表示相对于分析小波的低通滤波器系数，i=0,1,2,…,Nl-1，Nl表示滤波器L的支撑长度；h(i)表示相对于分析小波的高通滤波器系数，i=0,1,2,…,Nh-1，Nh表示滤波器H的支撑长度，则