小波与实例.ppt

4,小波的应用——小波的信号分解与求频 65-128Hz 257-320Hz 4,小波的应用——小波在图像压缩中的应用 小波变换的基本思想是用一组小波或基函数表示一个函数或信号，例如图像信号。以哈尔（Haar）小波基函数为例，基本哈尔小波函数（Haar wavelet function）定义如下： 1, 当0≤x1/2 Ψ(x) = -1, 当1/2≤x1 0, 其他 设有一幅分辨率只有4个像素的一维图像，对应像素值为：[9 7 3 5]。 4,小波的应用——小波在图像压缩中的应用 分辨率 平均值 细节系数 4 [9 7 3 5] 2 [8 4] [1 -1] 1 [6] [2] 对于2维图像，同样可以用依次对行列进行小波变换得到2维图像的分解。这时经过一次小波变换得到是2维图像的近似值(CA)以及水平(CH)、垂直(CV)和对角(CD)细节分量值。显然，从2维图像的CA、CH、CV和CD值可以重构出原来的2维图像。 变化过程：[9 7 3 5]→[8 4 1 -1]→[6 2 1 -1] 4,小波的应用——小波在图像压缩中的应用 [9 7 3 5] [8 4 1 -1] [8 4 1 -1] [6 2 1 -1] × ＝ 4,小波的应用——小波在图像压缩中的应用 4,小波的应用——小波在图像压缩中的应用 1 2 3 4 5 4,小波的应用——小波变换在图像去噪与图像增强中的应用 ①图像预处理：需要对去噪目标图像进行预处理，完成图像的灰度转换，噪声评估等内容。 ②小波分解：将目标图像进行小波分解，获得对应层的小波低频系数，水平方向，垂直方向以及对角线方向的高频系数。 ③阈（yu）值估计量化：对于分解的每一层，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；对于个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全部保留。 ④小波重构：利用量化后的小波高频系数以及原来的低频系数完成图像小波重构。 4,小波的应用——小波变换在图像去噪与图像增强中的应用 4,小波的应用——小波变换在图像去噪与图像增强中的应用 load woman; subplot(121); image(X); colormap(map); title(原始图像) ％画出原图像 [c,s]=wavedec2(X,2,sym4); %进行两层小波分解 len=length(c); %处理分解系数，突出轮廓，弱化细节 for I=1:len if(c(I)350) c(I)=2*c(I); else c(I)=0.5*c(I); end end nx=waverec2(c,s,sym4); %分解系数重构 subplot(122); image(nx); title(增强图像) %画出增强图像 4,小波的应用——机械故障诊断 当机械运行发生故障时，其振动信号中往往是首先出现相应的瞬态脉冲波形。能否及时准确地予以捕捉分析，常常是能否及时发现故障，采用相应对策，避免出现重大损失的先决条件。传统的傅里叶分析和时域分析由于需要的数据量较大，难以及时作出有效的诊断，而小波分析具有良好的时域定位特征，只需要少数数据就可以对振动信号在时域和频域进行定量分析，从而为及时发现故障提供了一种有力的分析手段。 4,小波的应用——机械故障诊断 ①齿轮裂纹和断裂41% ②齿面疲劳31% ③齿面擦伤和划痕10% ④齿面磨损10% ⑤其他故障类型8% 4,小波的应用——机械故障诊断 clc; clear all; close all; load leleccum; % 载入信号数据 s = leleccum; Len = length(s); [ca1, cd1] = dwt(s, db1); % 采用db1小波基分解 a1 = upcoef(a, ca1, db1, 1, Len); % 从系数得到近似信号 d1 = upcoef(d, cd1, db1, 1, Len); % 从系数得到细节信号 s1