[小波分析方法.pptVIP

哈尔滨工程大学 8.1 小波分析与付里叶变换的比较 小波的时间和频率特性 小波变换 8.2 小波的应用领域 小波应用 一维小波分解ca1,cd1 一维小波分解ca3,cd3,cd2,cd1 一维小波分解 S=a1+d1 一维小波分解 S=a3+d3+d2+d1 二维小波分解 二维小波分解与重建 基于小波的奇异性分析 小波去噪(1) 小波去噪(2) 基于小波的图像融合 基于小波的图像融合实例(1) 基于小波的图像融合实例(2) 基于小波的图像融合实例(3) 基于小波的图像融合实例(4) 基于小波的图像融合实例(5) IR-Fusion技术 IR-MMW fusion技术 小波融合技术在图像无线通讯中的应用 Horizontal, Vertical, Diagonal 奇异性和正则性是相对的两个概念，模极大值 到目前为止，小波去噪方法大致可以分为三大类： 第一类是基于小波变换的极大模原理的，即根据信号和噪声在小波变换的各个尺度上的不同传播特性，提出有噪声产生的极大值点，保留信号所对应的模极大值点，然后利用所余模极大值点重构小波系数，进而恢复信号； 第二类方法是对含噪信号作小波变换之后，计算相邻尺度间小波系数的相关性，根据相关性的大小区别小波系数的类型，从而进行取舍，然后直接重构信号； 第三类方法是阈值方法，即对小波系数设置阈值，在众多小波系数中，把绝对值较小的系数置为零，而让绝对值较大的系数保留或收缩，然后对阈值处理后的系数进行小波逆变换，直接进行信号重构，即可达到去噪的目的。小波阈值去噪的具体处理过程：选择一个小波并确定分解层数，然后将含噪信号在各尺度上进行小波分解，保留大尺度低分辨率下的全部小波系数；对于各尺度高分辨率下的小波系数，可以设定一个阈值,幅值低于该阈值的小波系数置为0，高于该阈值的小波系数或者完整保留(硬阈值)，或者作相应的收缩(软阈值)。最后将处理后获得的小波系数利用逆小波变换进行重构,恢复出有效的信号。在以上处理过程中,最关键的是如何选择阈值及如何进行阈值量化。 喇叭形噪声的去除 毫米波传感器提供目标的距离信息和多普勒特征信号，能从目标反射回波中提取频谱、幅度、相位、极化等信息，弥补红外传感器在这方面的不足； 而红外传感器具有极高的角分辨率，它能利用目标的空间特征(如尺寸、形状和几何外形) 进行自主截获，克服了主动毫米波近场条件下的角闪烁漂移。 这两种传感器进行组合，丰富了制导信息，大大提高了对目标的识别与分类能力。 用于军事：红外/ 毫米波多模寻的系统 战术导弹是一种具有自动探测目标、寻的、攻击点选择、引战配合功能的武器,要求武器适用于恶劣的环境条件(雨、雾、雪) ,适用于有烟尘、尘土、火堆的战场条件及其具有抗假目标、地杂波及人工干扰的能力,即研制一种高精尖的寻的器(导引头) 。红外/ 毫米波多模寻的系统就是这样的武器。 红外/ 毫米波多模寻的系统具有以下显著特点： (1) 恶劣背景条件下的工作能力加强。 (2) 提高了系统对目标识别与分类能力。 (3) 缩短了武器系统对目标定位的时间，提高了武器系统机动作战能力。 信道易受干扰，可考虑将前后两帧图像融合 傅里叶—频率点，小波—频率区间 Waves are non-compact support functions, Wavelets are compact support functions * 8 小波分析方法 8.1 小波分析与傅里叶变换的比较 8.2 小波应用 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. “时频局域性” 图解： Fourier变换的基（上）小波变换基（下）的比较 傅里叶变换 (Fourier)基 小波基 Waves Wavelets Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 运用小波基，可以提取信号中的“指定时间”和“指定频率”的变化。 时间：提取信号中“指定时间”（时间A或时间B）的变化。顾名思义，小波在某时间发生的小的波动。 频率：提取信号中时间A的比较慢速变化，称较低频率成分；而提取信号中时间B的比较快速变化，称较高频率成分。 较低频 较高频 时间A 时间B Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0.