新数字视频图像处理与通信 教学课件 刘富强 王新红 宋春林 陈康力第3_4章 第3章.pptVIP

通过观察快速Mallat算法不难推出小波的重构算法。对小波分解公式两边用函数 做内积，即可得到小波系数的重构公式： （3-110） 矩阵表示为 （3-111） 其中 分别是 和 的共轭转置矩阵。 类似于小波变换的递推，小波重构也可以推导出多重递推结构，如图3-11所示 图3-11 快速重构算法 以下是一维离散小波变换Mallat分解算法和筹够算法的伪代码实现。 MallatDwtDec() //Mallat分解方法，分解层次为k { for ( i = 1 ; i k ; i ++ ) { c[i] = Convolution(c[i – 1] , lowpassDec) ; //c[i-1]与低通滤波器卷积 d[i] = Convolution(c[i - 1] , highpassDec) ; //c[i-1]与高通滤波器卷积 c[i] = Down(c[i]); //抽样 d[i] = Down(d[i]); //抽样 } } MallatDwtRec() //Mallat重构方法，重构层次为k { for ( i = k - 1 ; i = 0 ; i -- ) { c[i + 1] = Up(c[i + 1]) ; //插值 d[i + 1] = Up(d[i + 1]) ; //插值 //将两个滤波器的卷积信号相加重构c[i] c[i] = Convolution(c[i + 1] , lowpassRec) + Convolution(d[i + 1] , highpassRec); } } 一维Mallat算法也可以推广到二维空间。在二维空间中，每个低通空间都被分解为4个子空间，他们是低通和带通的组合，即 ， ， 和 ，其中的全低通 又可以继续分解为更次级的4个子空间。相应地，快速分解和重构算法也从一维扩展到了二维。在分解过程中，先让低通系数和高通系数分别和图像的每一行做积分，再进行抽样，然后将抽样后的图像分别与低通和高通系数进行卷积，那么就将得4个输出分量。 3.5.5 图像的小波变换及算法 二维正交小波变换。 一般来说，对数字图像的处理可以采用二维的小波变换，这里采用的是正方块二维小波变换。对于在 中给定的多尺度分析： (3-112) 同时给定尺度函数 。 定义在 尺度下的二维尺度空间 为 (3-113) 由于 是 的标准正交基，那么 一定是 的标准正交基。 令 为 在 中的正交补空间： (3-114) 所以有