第3章 图像处理中的正交变换.pptVIP

第3章 图像变换 2.离散傅里叶变换（DFT） 一维离散傅里叶变换对定义： 3.二维离散傅里叶变换 二维傅里叶变换为： 3.1.2傅里叶变换的性质 1.共轭对称性和周期性 2.加法定理 设两个傅里叶变换对： 4.相似性定理（尺度变换） 描述函数自变量的尺度变化对其傅里叶变换的影响。 ３.1.4 快速傅里叶变换（FFT） 3.DCT变换特点： 与DFT不同的是，DCT是实值的，它广泛应用于 数字信号处理，特别是语言和图像的数据压缩。 ３.3沃尔什—哈达玛变换（Walsh-Hadamard） 1.沃尔什（DWT）变换： （1）一维（1-D）离散沃尔什变换对： （2）二维（2-D）离散沃尔什变换对： （2）二维哈达玛变换 ３.4霍特林（ K-L）变换 K-L变换也称为特征矢量变换、主分量变换或霍特林(Hotelling)变换，它是基于图像统计特性的变换。 特点：K-L变换能够充分去除相关性，把有用的信息 集中到数目尽可能少的主分量中。 应用：主要用于图像压缩、图像旋转、图像增强、 遥感多光谱图像的特征提取与信息融合等方面。 K-L变换定义 定义：设x=[x1 x2…xN]T是一个N维随机列矢量，其各 分量的二阶矩阵存在，进一步假设得到M个矢量采样 x1,x2,…,xM。（在实际应用中，将图像看成随机失量） 例：具有N个像素的图像f(n,m)在某个通信信道传输了 M 次，由于受到随机干扰，接收到的是一个图像 样本集合{f1(m,n)，f2(m,n)，…，fM(m,n)}。对第i次 获得的图像fi(m,n),可用一个N维随机列矢量xi表示， 从而图像样本集合可表示为{x1,x2,…xM }。 其 中：mx =E[X] 为 列 矢 量x 的 均 值 矢 量； UT 为 矢 量X 协 方 差 矩 阵Cx 的 正 交矩阵， 使Cx 对 角 化； 随机列矢量x=[x1 x2…xN]T 的K-L 变 换 定 义 为： y=UT(x-mx) 矢量X的协方差矩阵： K-L 变 换 的 反 变 换 为： 在实际应用中，Cx与mx可通过样本x1,x2,…xM来估计， 即： K-L变换的性质： K-L变换能够充分去除相关性； K-L反变换可以精确重建x； K-L变换是在均方误差最小意义下的最优变换。 傅里叶变换：DFT是最常用的离散图像变换，特别是在图像处理中可以进行二维数字滤波处理和傅里叶谱分析，因而DFT在图像增强、特征提取分析等方面有着广泛应用。但DFT需要复数运算，较难实时应用。 离散余弦变换：DCT是目前应用较广泛的图像变换，特别在图像通信中，是图像压缩方法中较理想的变换。 DWT变换计算最简单； K-L变换计算最复杂，但误差最小。 DCT变换误差接近K-L变换。 DFT、DCT、DWT和K-L变换比较： 3.5 拉东(Radon)变换 建立在一个半圆柱的表面， 计算图像在某一指定角度射线方向上投影的变换方法。二维函数f(x,y)的投影是其在指定方向上的线积分。是图像重建的基础。 拉东空间：半圆柱的表面，半径为1的无穷长圆柱， 测量沿圆柱从负无穷到正无穷的长度， 测量相对与某个参考位置的旋转角。 定义：沿任意角度对函数进行投影，即函数f(x,y)的Radon变换为： 性质： 拉东变换具有线性、平移性、相似性、对称性及微分和卷积计算。 ３.6 小波变换简介 ３.6.１ 小波变换 概念 小波变换是一种在有限宽度的范围内进行的正交的或非正交的变换。小波变换的基函数是一种不仅在频率上而且在位置上变化的有限的波形函数。 应用 小波变换在信号分析、语言合成、图像识别、计算机视觉、数据压缩、 CT成象、地震勘探、大气与海洋波的分析和天体力学等方面都已取得具有科学意义的应用价值的重要成果。 特点： 小波（Wavelet），即小的波形。所谓“小”是指它具有衰减性；而“波”则是指它的波动性，其振幅呈正负相间的振荡形式。 小波变换同时具有时域性和频域性。 傅里叶变换不能同时进行时间——频率局部分析。小波变换使上述问题迎刃而解。小波分析是通过一个小波基函数的伸缩和平移来产生一组基函数来实现的。 小波变换适用： 小波变换同傅立叶变换一样，也存在一维、二维连续小波变换和离散小波变换。原则上能用傅里叶变换分析的地方均可用小波分析，甚至能获得更好的结果。 ３.6.２ 连续小波变换 1