【精品课件】数字图像处理第七章课件[参考].ppt

第7章 小波与多分辨率处理 小波-——有限宽度的波； ‘小’是指其衰减性， ‘波’是指其波动性，其正负相间的震荡形式。 变化的频率，有限的时延 小波与音乐 频率-音高，时延-音长 图像的小波变换——图像的乐谱 小波分析是近60年来，特别是80年代中后期发展起来的一个数学分支。 多分辨率理论包括： 信号处理中的子带编码 数字语音识别中的正交镜像滤波 金字塔图像处理 7.1 背景 相似纹理和灰度的连通区域——形成物体 如果这些 物体小或反差低，需要在高分辨率观察； 物体大或反差大，仅需在低分辨率观察。 但是, 如果一张图中的物体有大有小，或反差有高有低，则比较好的办法是在不同分辨率上研究它们。 从左到右（底到顶）逐层平均，1维是2点平均，2维是4点平均… 图像金字塔示例 多分辨率人脸检测 级联的分解/合成滤波器族 上节介绍的3种著名成像技术在一种称为多分辨率分析MRA的独特数学理论的发展中起重要作用。 在MRA中用一个比例函数创建系列近似图，各图与其最紧邻的近似图相差2的因数。 另一个称为小波的函数用来记录相邻近似图之间的差异。 小波系列展开 离散小波变换 连续小波变换 付氏系列展开 离散付氏变换 连续付氏变换 一维小波变换：将2个子带的滤波器族递归地用到前一步的低频子带，产生倍频分裂 2D-DWT的频域系数4分树 不同小波基的小波变换 Daubechies orthonormal 8-tap filters 8-pads Symlets 双正交Cohen-Daubechies-Feauveau 17/11 wavelets Multiscale edge detection 选择小波（比如Haar,Symlet,…)和分解的级数P. 计算该噪声图像的FWT。 对各级细节（小波）系数阈值化。 硬阈值化：对系数的幅值低于阈值者置零。（系数不连续） 软阈值化：硬阈值化后将剩下的系数拉伸到零。 基于J-P级的原始近似系数和从J-1到J-P的改动的细节系数，进行小波重建。 与傅立叶变换比较 傅立叶变换的基函数处在频率域，不在时空域中。因此，它们将频率分离出来了，但是没有将特定频率的出现分离出来。傅立叶变换中的微小频率变化将会导致整个时域发生变化。 小波同时处于频域（通过膨胀）和时域(通过平移）中，可以在不同的尺度和分辨率下分析数据，其能力比简单的余弦要强得多。比如对尖峰或阶跃函数的建模。 Problem 7 7.2, 7.6 , 7.7, 7.9, 7.10a,b 7.11, 7.13, (7.16) 例7.14 基于小波的噪声消除 a.原图 b. 2尺度的低通 c. 最高分辨率 细节的高通 d. c与a的差异, 包含大部分原图 噪声和一些边缘。 e. 2尺度的细节 全部丢弃，仅用 低分辨的近似 f. e与a的差异, 边缘信息增加。 消除图像噪声的通用小波基程序： 7.6 Wavelet Packets 小波包 将j=k=0代入上式 ，得MRA方程： 是比例尺函数系数（原来用a0) 因为： 7.2.3 小波函数 给定满足MRA要求的比例尺函数，就能定义带j,k的 小波函数ψ(x), 来支撑两个相邻子空间Vj 与Vj+1的差异。 如图 7.11所示，我们定义小波集合： 与比例尺函数一样，记： 如果： 则： 上图中的比例尺函数和小波函数子空间的关系为： 其中?表示空间的联合。 Vj在Vj+1的正交补足空间是Wj， Vj中的所有元素与Wj的元素正交： 所有可测度的、平方可积的函数空间可表示为： 或 或者甚至 由于小波空间被包含在由较高分辨率比例尺函数支撑的空间中(图7.11)，任何小波函数均可以表示其较高分辨率比例尺函数的线性组合: 其中， 称为小波函数系数。 可证明，小波函数系数与比例尺函数系数间的关系为： 这与子带滤波器的脉冲响应间的关系相似，（镜像） Haar小波： W0 Haar小波： W1 图d:V1中的函数 f(x)可由V0?W0 表示,Page 372 如：图d=图e+图f V0 W0 例7.6 （重复） Haar变换的函数定义在闭区间[0，1]： 令正整数： 整数p,q分别是尺度和位移。 Haar函数定义： 对于i-0,1,2,…,N-1, 如果x=i/N, 则可产生一组基函数。 Haar函数是一些简单的阶跃函数。 Haar单位高、单位宽的尺度函数： Haar小波函数： 7.3 Wavelet Transforms in One Dimension 7.3.1 小波系列展开 在小波ψ和比例尺函数φ上定义实轴平方可积函数f： 其中：j0是任意起始比例尺， 称为近似或比例系数； 称为细节或小波系数。 第1项是在j0比例尺上近似f(x), 第2项是累加j0起的细节。 如果