小波变换与多分辨率教案.ppt

小波变换和多分辨率处理 北京化工大学 傅里叶变换与小波变换 傅里叶变换与小波变换 频域分析具有很好的局部性，但空间域上没有局部化功能。傅里叶变换反映的是图像的整体特征。 一个乐谱，不光阐明了要演奏的音符（或频率），而且阐明了何时要演奏。而傅里叶变换，只提供了音符或频率信息，局部信息在变换过程中丢失了。 与Fourier变换相比，小波变换是空间(时间)和频率的局部变换，它通过伸缩平移运算对信号逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节。 5.1 背景 为什么需要多分辨率分析？ 如果物体的尺寸很小或对比度不高 ?高分辨率 如果物体尺寸很大获对比度很强 ? 低分辨率 通常物体尺寸有大有小，或对比有强有弱同时存在 5.1.1 图像金字塔 5.1.1 图像金字塔 高斯和拉普拉斯金字塔编码 首先对图像用5*5的高斯模板作低通滤波，滤波后的结果从原图像中减去，图像中的高频细节则保留在差值图像里；然后，对低通滤波后的图像进行间隔采样，细节并不会因此而丢失 5.1.1 图像金字塔 5.1.1 图像金字塔 高斯和拉普拉斯金字塔 5.1.2 子带编码 5.1.2 子带编码 5.1.2 子带编码 5.1.2 子带编码 5.1.2 子带编码 5.1.3 哈尔变换 哈尔变换 哈尔基函数是最古老也是最简单的正交小波。哈尔变换本身是可分离的，也是对称的，可以用下述矩阵形式表达：? T=HFH 5.1.3 哈尔变换 变换矩阵H包含基函数 ，它定义在连续闭区间 5.1.3 哈尔变换 N=4时 5.1.3 哈尔变换 N=2时 5.1.3 哈尔变换 5.2 多分辨率展开 5.2 多分辨率展开 5.2 多分辨率展开 5.2 多分辨率展开 可展开的函数组成了一个函数空间，被称为展开集合的闭合跨度，表示为： 5.2 多分辨率展开 5.2 多分辨率展开 尺度函数 哈尔尺度函数 5.2 多分辨率展开 5.2 多分辨率展开 5.2 多分辨率展开 哈尔尺度函数系数 对于单位高度、单位宽度的哈尔尺度函数系数是 5.2 多分辨率展开 5.2 多分辨率展开 5.2 多分辨率展开 5.3 一维小波变换 计算一维离散小波变换 考虑四点的离散函数：f(0)=1,f(1)=4,f(2)=-3,f(3)=0。因为M=4,J=2且由于j0=0,对x=0,1,2,3,j=0,1求和。将使用哈尔尺度函数和小波函数，并假定f(x)的4个采样值分布在基函数的支撑区上，基函数的值为1. 计算一维离散小波变换 重构原始函数 5.3 一维小波变换 5.3 一维小波变换 5.3 一维小波变换 快速小波变换 FWT找到了相邻尺度系数间的一种令人惊喜的关系。 称为Mallat人字形算法，类似于两段子带编码。 5.4 二维离散小波变换 5.4 二维离散小波变换 5.4 二维离散小波变换 基于小波变换的图像处理 计算一幅图像的二维小波变换 修改变换 计算反变换 基于小波的边缘提取 基于小波的噪声去除 5.5 小波分析在图像处理中的应用 小波的特点： a）能量集中 b）易于控制各子带噪声 c）与人类视觉系统相吻合的对数特征。 d）突变信号检测中：由于分辨率随频率的不同而变化的 特点，能准确定位信号的上升沿和下降沿。 因为小波空间存在于由相邻较高分辨率尺度函数跨越的空间中，任何小波函数可以表示成尺度函数： 哈尔尺度函数系数： 哈尔小波函数系数： 一维离散小波变换（DWT） 一维离散小波变换（DWT） Morlet 小波 一维离散小波变换（DWT） Mexihat小波 对于M×N 的离散函数f(x,y)的离散小波变换对为： 二维快速小波变换 2尺度，全局门限94.9093 最高分辨率细节系数置零 所有细节置零 * * W.X.J 小波变换使得图像压缩、传输和分析变得更快捷！ 傅里叶变换的基础函数是正弦函数。 小波变换基于一些小型波，称为小波，具有变化的频率和有限的持续时间。 一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低的图像集合 一个金字塔图像结构 金字塔的底部是待处理图像 的高分辨率表示，而顶部是 低分辨率近似。当向金字塔 的上层移动时，尺寸和分辨 率就降低。 高斯和拉普拉斯金字塔编码 拉普拉斯金字塔编码策略 512 在子带编码中，一幅图像被分解成一系列限带分量的集合，称为子带，它们可以重组在一起无失真地重建原始图像。 子带通过对输入进行带通滤波而得到。 双通道子带编码和重建 完美重建滤波器族 QMF 正交镜像滤波器 CQF 共轭正交滤波