近代光信息处理 第6章.pptVIP

第六章 光 学 小 波 变 换 第六章 光学小波变换 6．1 引言 6．2 从短时傅里叶变换到小波变换 6．3 小波变换的定义和性质 6．4 实现一维小波变换的光学系统 6．5 用多通道匹配滤波实现二维 小波变换 6．6 光学小波变换匹配滤波器在图像 识别中的应用 6．7 光学 Haar 小波变换和图形边缘探测 6.1 引 言 如果g(x)是一个时域或空域中分布在(-?，?)中的稳恒过程或稳定分布，则傅里叶分析给出了近乎完美的结果．然而，在自然界和科学技术中还有大量信号，它们具有局部的或定域的特性．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短暂的时间问隔内，此后很快衰减到零，称快速过程或暂态过程．一个很短暂的信号，可以称为“小波”信号 对于局部信号或暂态过程，傅里叶分析就不完全适用．首先，我们仅对?t内的时间信号感兴趣，没有必要在过去、现在及未来的无限长时间范围内对信号进行分析；类似地，在处理定域于?x 内的空间图像时，也没有必要对全平面内的信号进行全面的分析． 在许多情况下，在 ?t 或 ?x 以外的信号是未知的，它可能是零，也可能是背景噪声；对它们我们不太了解，测不准，或不感兴趣．如不加选择地把(-?，?)内全部信号进行傅里叶处理，还可能产生较大的误差甚至错误．此外，一个局部的信号在 ?t 或 ?x 以外较远处几乎完全等于零．当用它们的频谱来恢复或重构这些信号时，在 ?t 或 ?x 外很远处也会出现一些非零的分量，它们一般不是信号，而是在傅里叶逆变换中频域综合不够充分而产生的噪声． 在一些课题中，我们往往不满足于了解信号在全部区间内的综合的频谱分布，而希望了解某一区间或某些区间内信号对应的频谱．例如在地震勘探中，为了分辨分层的地层和矿床结构，我们需要在时域和频域中仔细分析不同时刻的信号在不同频谱区间中的行为，而傅里叶分析只能提供在长时间内的信号整体的频谱，显然不能满足我们的要求． 近年来发展起来的小波分析，正好克服了傅里叶分析的上述缺点．它和傅里叶分析的一个重要区别，在于它恰恰适用于处理局部或暂态信号．因此，小波分析成为信号分析、图像处理、数据压缩、语音信号分析等领域中的重要工具；在地震勘探信号处理、边缘探测、语音信号合成中则有特殊的用途． 6.2 从短时傅里叶变换到小波变换 6.2.1 短时傅里叶变换(STFT) 为了有效地提取一个局部信号g(x)的信息，引入一个局部化的变换． 所谓局部化，包含两个要素： 第一，被分析的区间要有一定的宽度?x，我们仅对?x及其附近的信息进行处理； 第二，被分析的区间有一个中心坐标xc，当 xc 改变时，就可以提取不同的信息． 为了实现局部化，一个有效的方案是在傅里叶变换中加一个 窗函数w(x)： Gw(v, xo) = ?∞- ∞g(x)exp(-i2?vx) w(x- xo) dx (1) = [W(v)exp(-i2?vxo)]* G(v) (2) 式中 W 和 G 分别是 w 和 g 的傅里叶变换． 只要w(x)和W(v)有足够快的衰减速度，窗函数就是一个局部化的函数． 函数f (x) 和g(x) 的内积的定义 : ( f (x) , g(x) ) = ?∞- ∞ f (x) g(x)dx 窗函数的中心xc定义: xc = (w(x),x w(x))/(w(x),w(x)) = ?∞- ∞ w(x) xw(x)dx / ?∞- ∞ w(x)w(x)dx 式中(*,*)表示函数f 和g 的内积．xc与xo不一定相等。 窗函数的宽度则定义： ?w = 2[(w(x),(x- xc )2 w(x))/(w(x),w(x))]1/2 = 2[ ?∞-∞w(x)(x-xc )2w(x)dx / ?∞- ∞ w(x) w(x)dx]1/2 注意: 它是节1.2.4中所定义的信号空域宽度的两倍。 Gw(v, xo) = ?∞- ∞g(x)exp(-i2?vx) w(x- xo) dx (1) 由于窗函数具有局部处理的功能，因此(1)式定义的变换称为短时傅里叶变换(STFT)． STFT和FT的一个重要区别: 频率变量 v 和坐标变量 xo同时出现在变换函数中. 在STFT中，窗口宽度则隐含于Gw(v, xo) 内，正是xo和窗口宽度?w，使这一变换具