小波变换1解读.doc

1.绪论 1.1 小波变换背景 小波变换是由法国从事石油信号处理的工程师J.Morlet在1974年首先提出的，通过物理的直观和信号处理的实际需要经验的建立了反演公式，当时未能得到数学家的认可。正如1807年法国的热学工程师J.B.J.Fourier提出任一函数都能展开成三角函数的无穷级数的创新概念未能得到认可一样。 幸运的是，早在七十年代，A.Calderon表示定理的发现、Hardy空间的原子分解和无条件基的深入研究为小波变换的诞生做了理论上的准备，而且J.O.Stromberg还构造了历史上非常类似于现在的小波基；1986年著名数学家Y.Meyer偶然构造出一个真正的小波基，并与S.Mallat合作建立了构造小波基的统一方法--多尺度分析之后，小波分析才开始蓬勃发展起来，其中比利时女数学家I.Daubechies撰写的《小波十讲（Ten Lectures on Wavelets）》对小波的普及起了重要的推动作用。 小波实际上就是一种以一种很小的“波”的函数表达，1909年哈尔（Alfred Haar）发现了小波，并被命名为哈尔小波（Haar Wavelets）。20世纪70年代，当时在法国石油公司工作的年轻的地球物理学家Jean Morlet提出了小波变换WT（Wavelets transform）的概念。 法国的科学家Meyer于1996年创造性地构造出具有一定衰减性的光滑函数，他用缩放（dilations）与平移（translations）均为2j(j≥0的整数）的倍数构造了L2（R）空间的规范正交基，使小波得到真正的发展。在信号处理中，自从S.Mallat和Inrid Daubechies发现滤波器组与小波基函数有密切关系之后，小波在信号（如声音信号，图像信号等）处理中得到极其广泛的应用。 小波变换是近十几年新发展起来的一种数学工具,是继一百多年前的傅里叶(Fourier)分析之后的又一个重大突破,它对无论是古老的自然学科还是新兴的高新应用技术学科均产生了强烈的冲击。小波变换是一种全新的变换技术,与传统纯频域分析的傅里叶方法不同,小波变换是一种时频分析方法,它在时频和域频同时具有良好的局部化性质。小波变换对于不同的频率成分在时域上的取样步长是调节性的,高频者小、低频者大,因此在实际应用中完全可以根据需要将图像或信号分解到一些合适的尺度成分上,然后再根据不同的要求作适当的编码。 与Fourier变换、视窗Fourier变换（Gabor变换）相比，具有良好的时频局部化特性，能有效的从信号中提取资讯，因而小波变化被誉为“数学显微镜”，它是调和分析发展史上里程碑式的进展。 1.2 小波变换现状 小波变换是与小波分析的理论研究紧密地结合在一起的，现在，它已经在科技信息产业领域取得了令人瞩目的成就。电子信息技术是六大高新技术中重要的一个领域，它的重要方面是图象和信号处理。现今，信号处理已经成为当代科学技术工作的重要部分，信号处理的目的就是：准确的分析、诊断、编码压缩和量化、快速传递或存储、精确地重构（或恢复）。 从数学地角度来看，信号与图象处理可以统一看作是信号处理（图象可以看作是二维信号），小波分析的许多分析和应用问题，都可以归结为信号处理问题。现在，对于其性质随时间是稳定不变的信号（平稳随机过程），处理的理想工具仍然是傅立叶分析。但是在实际应用中的绝大多数信号是非稳定的（非平稳随机过程），而特别适用于非稳定信号的工具就是小波分析。 事实上小波分析的应用领域十分广泛，它包括：数学领域的许多学科；信号分析、图象处理；量子力学、理论物理；军事电子对抗与武器的智能化；计算机分类与识别；音乐与语言的人工合成；医学成像与诊断；地震勘探数据处理；大型机械的故障诊断等方面；例如，在数学方面，它已用于数值分析、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。在图象处理方面的图象压缩、分类、识别与诊断，去污等。在医学成像方面的减少B超、CT、核磁共振成像的时间，提高分辨率等。 ⑴小波分析用于信号与图象压缩是小波分析应用的一个重要方面。它的特点是压缩比高，压缩速度快，压缩后能保持信号与图象的特征不变，且在传递中可以抗干扰。基于小波分析的压缩方法很多，比较成功的有小波包最好基方法，小波域纹理模型方法，小波变换零树压缩，小波变换向量压缩等。 ⑵小波在信号分析中的应用也十分广泛。它可以用于边界的处理与滤波、时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘检测等。 ⑶在工程技术等方面的应用。包括计算机视觉、计算机图形学、曲线设计、湍流、远程宇宙的研究与生物医学方面。 从图像处理的角度看，小波变换存在以下几个优点：