实验七 小波变换.doc

实验七 小波变换 实验目的 了解小波变换及其变换系数的分布。 2、了解小波变换在图像去噪处理中的应用。 二、小波变换及去噪应用 1、小波分解及系数分布 信号分析是为了获得时间和频率之间的相互关系。傅立叶变换提供了有关频率域的信息，但有关时间的局部化信息却基本丢失。与傅立叶变换不同，小波变换是通过缩放母小波（Mother?wavelet）的宽度来获得信号的频率特征，通过平移母小波来获得信号的时间信息。对母小波的缩放和平移操作是为了计算小波系数，这些小波系数反映了小波和局部信号之间的相关程度 。常用的母小波有：Haar小波、dbN小波系、symN小波系等。 小波系数分布规律 ： 随着分层数的增加，小波系数的范围越来越大，说明越往后层次的小波系数越重要。 除LL外，其他子带方差和能量明显减少，充分说明低频系数在图像编码中的重要性。 对同一方向子带，按从高层到低层（从低频到高频）子带，有： HL3→HL2→HL1， LH3→LH2→LH1， HH3→HH2→HH1，大部分情况下其方差从大到小，有一定的变换规则。 2、小波在图像去噪中的应用 工程应用中，有用信号通常表现为低频信号或是一些比较平稳的信号，而噪声信号通常表现为高频信号。所以基于小波变换的去噪过程可以分为以下几步进行： (1) 小波分解。选择一个小波并确定一个小波分解的层数N，然后对图像进行N 层小波分解。 (2) 小波分解高频系数的阈值量化。对第1 层到第N 层的每一层高频系数，选择一个阈值进行阈值量化处理。 (3) 小波的重构。根据小波分解的第N 层的低频系数和经过量化处理后的第1 层到第N 层的高频系数，进行的小波重构。 处理的方法一般有三种： (1) 强制去噪处理。该方法把小波分解结构中的高频系数全部变为0，即把高频部分全部去除掉，然后再对信号进行重构处理。这种方法比较简单，重构后的消噪信号也比较平滑，但容易丢失信号的有用成分。 (2) 默认阈值去噪处理。该方法利用ddencmp 函数产生信号的默认阈值，然后利用wdencmp 函数进行消噪处理。 (3) 给定软硬阈值进行去噪处理。在实际的去噪处理过程中，阈值往往可以通过经验公式获得，而且这种阈值比默认阈值更具有可信度。在进行阈值量化处理中可用wthresh 函数进行。 3、matlab提供的相关函数 （1）dwt2 功能：单尺度二维离散小波变换 语法： [cA, cH, cV, cD] = dwt2(X, ‘wname’) [cA, cH, cV, cD] = dwt2(X, Lo_D, Hi_D) 该函数用于二维离散小波分解。X 为被分析的图像；wname 为分解所用到 的小波函数；Lo_D, Hi_D 为分解滤波器；cA 和cH、cV、cD（水平、垂直、对角线）分别是返回的低频系数和高频系数向量。 二维小波分解是把尺度j 的低频部分分解成四个部分：尺度j+1 的低频部分和三个方向（水平、垂直、斜线）的高频部分。 （2）idwt2 功能：单尺度逆二维离散小波变换 语法： X = idwt2(cA, cH, cV, cD, ‘wname’) X = idwt2(cA, cH, cV, cD, Lo_R, Hi_R) X = idwt2(cA, cH, cV, cD, ‘wname’, S) X = idwt2(cA, cH, cV, cD, Lo_R, Hi_R, S) 该函数用于单尺度二维离散小波变换的重构，它通常和dwt2 配套使用。返回向量X 为单尺度重构后信号的低频系数。 （3）ddencmp 功能：获取信号在消噪或压缩过程中的默认阈值 语法： ?[THR,SORH,KEEPAPP,CRIT]=ddencmp(IN1,IN2,X)????? [THR,SORH,KEEPAPP,CRIT]=ddencmp(IN1,wp,X)?????? [THR,SORH,KEEPAPP,CRIT]=ddencmp(IN1,wv,X)????????? 输入参数X为一维或二维信号；IN1取值为den或cmp，den表示进行去噪，cmp表示进行压缩；IN2取值为wv或wp，wv表示选择小波，wp表示选择小波包。返回值THR是返回的阈值；SORH是软阈值或硬阈值选择参数；KEEPAPP表示保存低频信号；CRIT是熵名（只在选择小波包时使用）。 （4）wdencmp 功能：用于一维或二维信号的消噪或压缩 语法： ?? [XC,CXC,LXC,PERF0,PERFL2]=wdencmp(gbl,X,wname,N,THR,SORH,KEEPAPP);? ??[XC,CXC,LXC,PERF0,PERFL2]=wdencmp(lvd,X,wname,N,THR,SORH);? ??[XC,CXC,LX