基于傅里叶变换和小波变换的图像稀疏表示.docxVIP

基于二维傅里叶变换和小波变换的图像稀疏表示基于二维傅里叶变换的图像稀疏表示傅里叶变换是数字图像处理技术的基础，其通过在时空域和频率域来回切换图像，对图像的信息特征进行提取和分析。一幅静止的数字图像可以看成是矩阵，因此，数字图像处理主要是对包含数据的矩阵进行处理。经过对图像进行二维离散傅里叶变换可以得到它的频谱，进而得到我们所需要的特征。二维离散傅里叶变换及逆变换可以表示为：其中u=0,1,2,...,M-1 和v=0,1,2,...,N-1。其中变量u 和v 用于确定它们的频率，频域系统是由F(u,v)所张成的坐标系，其中u 和v 用做（频率）变量。空间域是由f(x,y)所张成的坐标系。傅立叶频谱图上我们看到的明暗不一的亮点，其意义是指图像上某一点与邻域点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么理解，图像中的低频部分指低梯度的点，高频部分相反）。一般来讲，梯度大则该点的亮度强，否则该点亮度弱。下图为cameraman原图像及其频谱分布图： cameraman原图像大小为256*256，其傅里叶变换频谱图大小为256*256。图像从频域到时域的变换过程称为重构过程，通过峰值信噪比（PSNR）对图像进行评价，公式如下：PSNR=10*log10((2^n-1)^2/MSE)MSE是原图像与处理后图像之间均方误差，n是每个采样值的比特数。通过取不同的大系数个数观察图像变化