第7章_小波变换和多分辨率处理研究.ppt

7.6 小波包 图7.37 对图7.34（a）中的指纹进行的一种最佳小波包分解 * 7.6 小波包 图7.38 图7.37中分解的最佳小波包分析树 图7.38中给出了对应最优化分解的分析树。 * 7.6 小波包 图7.39 Cohen-Daubechies-Feauveau 双正交小波族的部分小波。（a）和（b）分解滤波器系数，（c）和（d）重构滤波器系数，（e）到（h）双小波及尺度函数 在例7.15中使用的分解滤波器是著名的称为Conhen-Daubechies-Feauveau的双正交小波族中的组成部分。因为这个滤波器族的尺度和小波函数是对称的并且具有相近的长度，所以它们是使用最为广泛的双正交小波。 * 小 结 小波和小波变换是在大量图像处理课题中快速崛起的较新的图像工具。 小波和小波变换与傅里叶变换有相似性，第4章中的许多技术同样有基于小波域的部分。 成像应用中能够以小波观点来解决的问题有图像匹配、配准、分割、降噪、重建、增强、压缩、形态滤波和计算机断层摄影术等。 * 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 图7.3 两种图像金字塔和它的统计特性。（a）高斯金字塔（近似），（b）拉普拉斯金字塔（预测残差） * 图7.5 子带图像编码的二维4频段滤波器组 * 图7.7 用图7.5的子带编码系统对图7.1中花瓶的4频段分离 * 图7.8 （a）用哈尔基函数的离散小波变换，及局部直方图变化，（b）-（d）一些不同的近似（64×64，128×128和256×256）可以从（a）得到 * 图7.17 用哈尔尺度和小波向量计算序列｛1,4,-3,0｝的二尺度快速小波变换 * 图7.19 一个二阶或两尺度FWT-1 的综合滤波器族 * 图7.23 3尺度FWT * 图7.29 一个三尺度小波包分析树 * 图7.30 （a）滤波器组和（b）一个三尺度全小波包分析树的频谱分离特征 * 图7.33 一个三尺度、全小波包分解树。只给出了树的一部分 * * 7.4 快速小波变换 与FWT-1正变换类似，反变换滤波器族可以如图7.21所示进行迭代，为了计算FWT-1重建的最后两个尺度描绘了两尺度结构。该系数合并过程可以扩展到任意数目的尺度，从而保证函数f(x)的完美重建。 图7.21 一个两级或二尺度FWT-1综合滤波器组 * 7.4 快速小波变换 例7.11 计算一维快速小波反变换 图7.22 用哈尔尺度和小波向量计算序列 的两尺度快速小波反变换 * FWT和FFT之间的区别(1) 计算上的复杂性： 包括在长度为M=2J的序列的FWT计算中的数学运算次数是O(M)阶。也就是说，浮点乘法和加法(使用滤波器族)的次数与序列的长度存在线性关系。这与FFT算法比较是有利的，FFT需要O(MLogM)阶。 * FWT和FFT之间的区别(2) 变换的基函数： 傅里叶的基函数(即正弦函数)保证了FFT的存在，而FWT的存在取决于使用的小波尺度函数是否可用，以及尺度函数和相应的小波的正交性(或双正交性)。因此，式(7.3.12)的墨西哥草帽小波不能用于计算FWT，因为它没有相应的尺度函数。换句话说，不能为墨西哥草帽小波建立一个像图7.15中那样的滤波器族；它不满足FWT方法的基本假设。 * FWT和FFT之间的区别(3) 不可分割的关系： 如果试图同时在时域和频域内对函数进行分析，就会遇到如下问题：如果想要关于时域的有价值信息，就要忍受频域的含糊，反之亦然。 这是海森伯(Heisenberg)测不准原理在信息处理中的应用。为了用图示说明该原理，函数表达中用到的每个基函数都被概要地看成是时间—频率平面的一个块。该块也称为海森伯单元或海森伯盒，显示了基函数能量的集中区域。块不重叠是正交基函数的特点。 * 7.4 快速小波变换 图7.23 时间一频率片 （a）传统时域（b）FFT与FWT相关的基函数（c）中等高度矩形的水平条带表示FWT尺度 * 7.5 二维小波变换 一维变换很容易像图像那样扩展到二维函数。 乘积产生可分离的尺度函数： (7.5.1) (7.5.2) 可分离的“方向敏感的”小波，沿着不同方向的图像强度或灰度的变化： (7.5.3) (7.5.4) * 7.5 二维小波变换 给定可分离的二