第8-1章小与小波变换.docVIP

第8章小波与小波变换 小波分析是近十几年才发展起来、并迅速应用到图像处理和语音分析等众多领域的一种数学工具。它是继110多年前的傅立叶分析之后的一个重大突破，无论是对古老的自然学科还是对新兴的高新技术应用学科都产生了强烈冲击。 小波分析已经广泛应用于数值分析、曲线曲面构造、微分方程求解、信号处理（滤波、去噪、压缩、传递）、图像处理、量子场论、理论物理、地震勘测、语音识别与合成、音乐、雷达、CT成像、彩色复印、流体湍流、天体识别、机器视觉、机械故障诊断、监控、分形、数字电视等领域。 小波在图像处理中可以用到图像恢复（去噪）、图像增强、图像分割、图像检索、图像配准、图像重建等领域。 MATLAB提供了小波专用工具箱和工具箱的GUI图形用户界面，使得小波应用更加方便。GUI包括一维小波分析工具类、二维小波分析工具类、显示工具类、特殊小波工具集和扩展工具集。 小波理论是应用数学的一个新领域。要深入理解小波理论需要用到比较多的数学知识。本章企图从工程应用角度出发，用比较直观的方法来介绍小波变换和它的应用，为读者深人研究小波理论和应用提供一些背景材料。 小波课堂演示程序说明： T21_FFT_sine.m 傅立叶变换 T22_FFT_square.m 傅立叶级数 T9_wavelet5.m 小波分解高低频 T9_wavelet6.m 小波时频分析 T9_wavelet812.m 小波图像压缩 8．1小波介绍 8．1．1小波简史 傅立叶理论指出，一个信号可表示成一系列正弦和余弦函数之和，叫做傅立叶展开式。用傅立叶展开式表示一个信号时，只有频率分辨率而没有时间分辨率，这就意味我们可以确定信号中包含的所有频率，但不能确定具有这些频率的信号出现在什么时候。为了继承傅立叶分析的优点，同时又克服它的缺点，人们一直在寻找新的方法。 傅立叶变换示意图 从ω轴看过去，看到的是时域信号，例如交响乐的音频信号。 从t轴看过去，看到的是频域信号，包含小提琴的高音和大提琴的低音。 时域与频域的变换的桥梁是傅立叶变换。 从ω轴看过去，看到的是白光，例如太阳光、电视机、计算机显示器， 从B轴看过去，看到的是可见光谱，红橙黄绿青兰紫， 白光通过棱镜，由于折射率不同，分解出红橙黄绿青兰紫。 “FOURIER 分析和小波分析在信号时频分析中的特性比较” 这个式子的含义就是，傅立叶变换是信号f(t)与复数指数e-jωt(e-jωt＝cosωt - jsinωt)之积在信号存在的整个期间里求和。傅立叶变换的结果是傅立叶系数F(ω)，它是频率ω的函数。 同样，连续小波变换(continuous wavelet transform，CWT)用下式表示： 这个式子的含义就是，小波变换是信号f(t)与被缩放和平移的小波函数Ψ（普希）之积在信号存在的整个期间里求和。CWT变换的结果是许多小波系数C，这些系数是缩放因子(scale)和位置(position)的函数。 对缩放因子可这样来理解。如果用字母d表示缩放因子，例如，对于正弦函数， CWT的变换过程可分成如下5个步骤： 步骤1：把小波Ψ(t)和原始信号f(t)的开始部分进行比较。 步骤2：计算系数C。该系数表示该部分信号与小波的近似程度。系数C的值越高表示信号与小波越相似，因此系数C可以反映这种波形的相关程度。 步骤3：把小波向右移，距离为k，得到的小波函数为Ψ(t-k)，然后重复步骤1和2。再把小波向右移，得到小波Ψ(t-2k)，重复步骤1和2。按上述步骤一直进行下去，直到信号f(t) 结束。 步骤4：扩展小波Ψ(t)，例如扩展一倍，得到的小波函数为Ψ(t/2)。 步骤5：重复步骤1～4。 分析： 步骤1-3，检测原始信号在相同频率但不同时段的特性。 步骤4，改变频率， 图8-3 形象地展示了这个过程。 CWT的整个变换过程如图8—3所示。 缩放因子小，小波小窄，频率高； 缩放因子大，小波小宽，频率低。 小波变换完成之后得到的系数是在不同的缩放因子下由信号的不同部分产生的。这些小波系数、缩放因子和时间之间的关系和它们的含义可以用图8—4(a)表示，该图是用MATLAB软件绘制的。图8-4(a)是用二维图像表示的小波变换分析图，x轴表示沿信号的时间方向上的位置，y轴表示缩放因子，每个x-y点的颜色表示小波系数C的幅度大小。图8—4(b)是用三维图像表示的小波变换分析图，z轴表示小波变换之后的系数。 小波的缩放因子与信号频率之间的关系可以这样来理解：缩放因子小，表示小波比较窄，度量的是信号细节，表示频率ω比较高；相反，缩放因子大，表示小波比较宽，度量的是信号的粗糙程度，表示频率ω比较低。 分析： 图a与图b是同一信号的不同表达方式。图a 的高亮度对应图b的高度。 缩放因子轴与小波系数轴对应傅立叶变换的