小波变换及其在图像处理中的典型应用.pptx

小波变换及其在 图像处理中的典型应用;目 录; Fourier变换一直是信号处理领域中应用最广泛、效果最好的一种分析手段，是时域到频域互相转化的工具，从物理意义上讲，傅里叶变换的实质是把对原函数的研究转化为对其傅里叶变换的研究。但是傅里叶变换只能提供信号在整个时间域上的频率，不能提供信号在某个局部时间段上的频率信息。;8.1.1 傅里叶变换;8.1.1 傅里叶变换; 由于傅立叶变换无法作局部分析，为此，人们提出了短时傅里叶变换（STFT）的概念，即窗口傅里叶变换。 短时傅里叶变换将整个时间域分割成一些小的等时间间隔，然后在每个时间段上用傅里叶分析，它在一定程度上包含了时间频率信息，但由于时间间隔不能调整，因而难以检测持续时间很短、频率很高的脉冲信号的发生时刻。;8.1.2 短时傅里叶变换;8.1.2 短时傅里叶变换;8.1.2 短时傅里叶变换;小波起源： 1984年Morlet提出;1985年Meyer构造出小波;1988年，Daubechies证明了离散小波的存在;1989年，Mallat提出多分辨分析和二进小波变换的快速算法;1989年Coifman、 Meyer引入小波包;1990年崔锦泰等构造出样条单正交小波基;1994年Sweldens提出二代小波－提升格式小波(Lifting Scheme)。 小波定义： “小”是指在时域具有紧支集或近似紧支集，“波”是指具有正负交替的波动性，直流分量为0。 小波概念：是定义在有限间隔而且其平均值为零的一种函数。;持续宽度相同;用镜头观察目标 (待分析信号)。 代表镜头所起的作用(如滤波或卷积)。 相当于使镜头相对于目标平行移动。 的作用相当于镜头向目标推进或远离。 ;尺度a较大;;小波变换的多分辨分析特性：;频窗;8.1.5 连续小波变换;设 ，当 满足允许条件时：;连续情况时，小波序列为： (基本小波的位移与尺度伸缩) 其中 为尺度参量， 为平移参量。 离散的情况，小波序列为 ： ;根据容许条件要求，当ω=0时，为使被积函数是有效值，必须有 ，所以可得到上式的等价条件为： 此式表明 中不含直流，只含有交流，即具有震荡性，故称为“波”，为了使 具有局部性，即在有限的区间之外很快衰减为零，还必须加上一个衰减条件： ;衰减条件要求小波具有局部性，这种局部性称为“小”，所以称 为小波。 对于任意的函数 的连续小波变换定义为： 逆变换为： 是尺度因子， 反映位移。 ;线性 设： 平移不变性 若 ，则 伸缩共变性 如果 的CWT是 则 的CWT是 冗余性(自相似性) 由连续小波变换恢复原信号的重构公式不是唯一的 ;目 录;8.2 小波变换分类;8.2.1 离散小波变换;8.2.2 二进小波及二进小波变换;目 录; 多分辨分析是小波分析中最重要的概念之一，它将一个函数表示为一个低频成分与不同分辨率下的高频成分，并且多分辨分析能提供一种构造小波的统一框架，提供函数分解与重构的快速算法。由理想滤波器引入多分辨率分析的概念：;多分辨分析定义：; 是一个无限维向量空间，称为平方可积空间，将 用它的子空间 ， 表示，其中 称为尺度空间， 称为小波空间。 尺度空间的递归嵌套关系： 小波空间 是 和 之间的差，即 ，它捕捉由 逼近 时丢失的信息。推出： ;目 录;两尺度方程; 和 的基本性质是两尺度差分方程： 两尺度方程的频域表示为： ;目 录;8.5.1 Mallat算法与塔式分解 ; 系数重构的快速算法： ;目 录;8.6.1 二维小波变换的实现;8.6.2 图像小波变换的正变换;8.6.3 图像小波变换的逆变换; 对于二维图像信号，在每一层分解中，由原始图像信号与一个小波基函数的内积后再经过在x和y方向的二倍间隔抽样而生成四个分解图像信号。对于第一个层次(j=1)可写成：; 将上式内积改写成卷积形式，则得到离散小波变换的Mallat算法的通用公式： ;8.6.5 二维Mallat多分辨率分解与重构;图像的Mallat快速塔式分解实验;8.6.6 多孔算法;多孔算法的分解实验;目 录; 边缘像素实质上是局部图像范围内灰度的急剧变化点(奇异点)，图像边缘就是二维图像中奇异点的集合。边缘点在频域表现为高频信号，而图像噪声也多为高频信号，这使得两者难以