光学小波变换(第8讲)简介.ppt

光学小波变换 小波变换的概念-1 小波变换的概念是1974年由法国从事石油地质勘探信号处理的工程师 J.Morlet 和A.Grossmann 在分析处理地震数据时首先引进的,并成功地运用于地震信号的分析。后来法国数学家Y.Meyer从理论上对小波作了一系列研究,极大地丰富了现代调和分析的内容。 1988年 Arneodo 及 Grasseau 等人将小波分析运用于混沌动力学和分形理论以研究湍流及分形生长现象 。 小波变换的概念-2 小波变换是一个时间和频率的局域变换，它能有效地从信号中提取信息，同时通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析（Multiscale Analysis），解决了Fourier变换不能解决的许多困难问题，从而小波变化被誉为“数学显微镜”，它是调和分析发展史上里程碑式的进展。 小波变换的概念-3 信号和图像处理是当代前沿科学技术的一个重要的组成部分，信号和图像处理的目的就是：准确地对信息进行分析、诊断、编码压缩和量化、快速传递或存储、精确地重构（或恢复）。 从数学的角度来看，信号与图象处理都可以看作是信号处理（图象可以看作是二维信号），在小波变换分析的许多应用中，都可以把信号与图象的处理归结为信号处理问题。 对于稳定不变的信号，处理的理想工具是傅立叶分析。然而在实际应用中的绝大多数信号是非稳定的，而小波变换分析就是一个对非稳定信号进行处理的有力工具。 小波变换分析的应用领域 1,数学； 2,信号分析、图象处理； 3,量子力学、理论物理； 4,军事电子对抗与武器的智能化； 5,计算机分类与识别； 6,音乐与语言的人工合成； 7,生物医学工程成像与诊断； 8,地震勘探数据处理； 9,大型机械的故障诊断等方面等等。 数学、图像处理、生物医学工程领域的应用： 数学领域：用于数值分析、构造快速数值方法、曲线曲面构造、微分方程求解、控制论等。在信号分析方面的滤波、去噪声、压缩、传递等。 图象处理领域：图象压缩、分类、识别与诊断，去污等。 生物医学工程领域：成像方面的减少B超、CT、核磁共振成像的时间，提高分辨率等。 小波变换分析 在信号处理上,富里叶变换分 析的一个不足之处是它不能作局部分析,小波变换分析正好能弥补这一不足。 小波变换分析从有限个具局部性与振动性的小波函数出发,通过平移与展缩使得函数的分析在时域和频域两方面同时局部化, 因而为各类函数空间的分析提供了较传统富里叶分析更有 力的工具。 傅里叶变换和傅里叶逆变换表达式: 函数图像g(x,y)的傅里叶变换和傅里叶逆变换表达式: 一维信号的傅里叶变换和逆变换 为方便分析采用一维的信号: 快速过程或暂态过程Short-time Fourier transform (1)式表示信号g(x)中频率为fx的成份含量为G(fx), x可以是时间变量或空间变量, G(fx)则分别表示时间频率或空间频率的成份含量. 如果g(x)是一个时域或空域中分布在( ) 中的恒稳过程或稳定分布,则傅里叶分析会给出近乎完美的结果 ,然而在自然界和科学技术中大量的信号具有局部或定域的特性。例如：语言信号、声纳信号、各种电脉冲等。 这些信号只出现在一个暂短的时间间隔内，此后很快衰减到零，这是一种快速过程或称暂态过程。 小波信号 信号S(t)在某一时刻突然出现，但很快衰减到零，是暂短的信号，称为小波信号。许多光学信号，例如远处空中的目标、显微镜下的物体、被鉴别的指纹等等。 它们不显著为零的分量只分布在有限的区域内，即是暂态过程。 我们仅对 内的时间信号感兴趣。 WEVELET 短时傅里叶变换（STFT） 为提取局部信号g(x)的信息，引入局部化变换的概念,其有两个要素： 1，被分析的区间要有一定的宽度 ，仅对它附近的信息进行处理； 2，被分析的区间有一个中心坐标xc，当xc改变时，就可提取不同的信息。 为了实现局部化,在傅里叶变换中加入一个窗函数w(x): Short-time Fourier transform 在频域中的表达式: W和G分别是w和g的傅里叶变换.只要有足够快的衰减速度,窗函数就是一个局部化的函数。 （3）式定义的变换即称为短时傅里叶变换(short-time Fourier transform; STFT)。 特点是频率变量 f 和坐标变量x0同时出现在变换函数中。 为卷积算符. 小波变换的定义和性质 1,小波变换的定义 母函数h(x)的基本小波函数ha,b(x)定义为: 式中 b 称为小波变换的位移因子, a0 称为伸缩因子. 小波宽度的伸缩 右图可见当a增大时,小波的宽度加宽(膨胀); 当a减小时,小波的宽度变小(收缩). (5)式表