小波第三次.docVIP

西安理工大学 研究生课程研究报告 课程名称： 任课教师： 学 科： 计算数学 学 号： 姓 名： 成 绩： 2014年春学期 1,二维分解算法： 其中。 证明：（1）因为 故 即有 同理 故 即得 同理(2) 即得 同理(3) 即得 同理(4) 即得 证毕。 二维重构算法： 证明：因为 故 同理有 由于 对上式两边同时与作内积得 证毕。 2,小波分析在图像处理中的应用综述 小波分析的应用研究一开始就是与小波分析的理论研究紧密地结合在一起的，它已在科技信息领域取得了另人注目的成就。由于电子信息是六大高新技术中重要的一个领域，而它的一个重要的方向就是信号与图像的处理。小波分析在图像处理几个方面的应用，包括图像的边缘检测，图像的识别、图像压缩、图像恢复和增强、图像分割、图像数据库检索、图像配准、图像重建等处理上的应用图像压缩是小波分析用与图像处理方面的另一个十分重要和有效的领域。 小波分析在图像的边缘检测方面的应用，其方法依据是的结果，只是在具体的几种应用上，在有些地方的处理上是不一样的。在小波分析应用与图像识别方面，虽然也可以直接在二维的情形进行图像分解并在二维的情形提取信号的特征，例如：提取分解后的各图像的分形维数或计算二维分形指数，或求拓扑维数与局部极大、极小值。但由于二维不可分小波的情形使得计算太复杂，而常用的张量积小波分解依赖于二维图像的坐标系，而图像的坐标系有时不是“自带的”，而有各种不同的选取方法，这对于识别是非常不利的。因之，通常的做法是把二维图像映射为一维信号，而对于同一图像的映射要求有唯一性，再对一维信号进行小波分解，并对各分量求分形维数或分形指数等，使便于图像的识别。对于图像的分割则是用另一类映射使之变为一维信号进行分析处理后，再返回到对于图像的分析与处理。 边缘检测方法 多尺度边缘检测是先磨光原信号,再由磨光后信号的一阶或二阶导数检测出原信号的剧变点。 设是原始信号,是磨光函数,满足 （1） （2） 例如可取函数或规范B-样条函数。 为了磨光原始信号,运用卷积 　　 现在分别对其求一阶导数和二阶导数,有 定义 　　，　　由(1),(2)则有 　， 所以是小波。 记　 则　 那么关于小波,在尺度和位置上的规范小波变换定义为 (3) 　 (4) 这样的局部极值对应的零交叉点和的拐点。则求边缘点就可只求的局部极值或者的零交叉点。 检测零交叉点或局部极值是类似的方法。的拐点是其一阶导数绝对值的最大值或最小值,最大值是剧变点,最小值是缓变点,很容易通过检测的局部最大求出剧变点及其在该点的值。用二阶导数来区别这两种类型的零交叉点是困难的,但是经过筛选还是比较容易找出剧变点的。 所谓图像分割,是按照一定的规则将一副图像或景物分成若干个部分或子集的过程,这种分割的目的是将一副图像中的各成分分离成若干与景物中的实际物体相对应的子集。图像分割的基本概念是将图像中有意义的特征或者需要应用的特征提取出来。这些特征可以是图像场的原始特征,也可以是空间频谱或直方图特征等。在对应于图像中某一对象物的某一部分,其特征(灰度、色彩、纹理等等)都是相近的或是相同的,但是在不同的对象物的各部分之间,其特征就急剧地发生变换。不同种类的图像,不同的应用要求所要求提取的特征是不相同的,当然特征提取方法也就不同,因此并不存在一种普遍适用的最优方法。目前已经提出的图像分割方法很多,从分割依据角度出发,图像分割方法大致可分为相似性分割和非连续性分割。所谓相似性分割就是将具有同一灰度级或相同组织结构的像素聚集在一起,形成图像中的不同区域,这种基于相似性原理的方法通常也称为基于区域相关的分割技术。所谓非连续性分割就是首先检测局部不连续性,然后将它们连接起来形成边界,这些边界把图像分成不同的区域,这种基于不连续性原理检出物体边缘的方法有时也称为基于点相关的分割技术。这两种方法是互补的,在有些场合适宜用这一种分割方法,而另一些场合则适宜用另一个分割方法,有时还要将它们有机地结合起来,以求得