小波分析在图像处理上的应用.PDF

小波分析在图像处理上的应用 徐恺 2015202239 由于本人课题是有关光学器件自由曲面的检测与评价。大概的内容是选择合 适的测量方法、传感器测量自由曲面，选择合适并且准确的光学参数并测量出来， 根据这个参数或这几个参数来建立评价自由曲面的光学性能。因此课题与小波分 析应用上有联系的是其在图像处理的应用。因此报告在具体应用上选择图像处理 方面的相关资料进行搜集学习。 1 基于小波分析的图像压缩 对于图像来说，如果需要进行快速或实时传输以及大量存储，就需要对图像 数据进行压缩。在同等通信容量下，如果图像数据压缩后再传输，就可以传输更 多的图像信息，也就可以增加通信能力。 基于离散余弦变换的图像压缩, 其基本思想是在频域对信号进行分解，去除 信号点之间的相关性，并找出重要系数，滤除次要系数，以达到压缩的效果，但 该方法在处理过程中并不能提供时域的信息。在这个方面，波分析就具有其优越 性。由于小波分析固有的时频特性，可以在时频两个方向对系数进行处理，这样 就可以对感兴趣的部分提供不同的压缩精度。小波变换是图像的时-频表示，具 有时间-频域定位能力，并可实现图像中平稳成分和非平稳成分的分离，从而对 其进行高效编码。 基于小波变换的图像压缩编码模型一般包含3 个部分。首先，利用二维mallat 分解算法对原始图像进行分解，假如分解成M 层，则得到3M 个高频子图 （子 带）和一个低频子图；第二步，需要对小波系数进行量化，其被量化以后产生符 号流的每一个符号是对应待定量化阶层的标记，信息的损失往往发生在量化级； 第三步，则由熵编码把量化得到的符号流表示为比特流，以达到压缩数据的目的。 小波图像压缩编码流程如图1 所示。 2 基于小波分析的图像增强 图像增强是按特定的需要突出一幅图像中某些信息, 同时削弱或去除某些不 需要的信息的处理方法，其目的是使处理后的图像比原图更适合于特定的应用领 域。在图像处理的领域中, 图像增强问题主要是通过时域和频域处理两种方法来 解决。 基于小波变换的频域法 （反锐化掩模法）图像增强处理, 即先将输入图像进 行小波变换，小波变换后的图像被分离为4 个子图（其中低频子图中包含了原始 图像绝大部分的信息，只丢失了一些高频分量，那么，就可以利用小波图像这一 特点，从一层小波分解后的小波图像中取出低频子图，将其扩展至与原始图像相 同大小，这就是所含低频信息丰富，相对于原始图像的模糊图像），小波分解将 原图像中高频和低频成分进行不同程度的分离，直接从小波图像下手，将低频子 图取出来人为处理成原图的一个模糊版本，即只保留原图中的低频部分，在此基 础上用原图与模糊版本相减就能够获得足够多的纹理特征。然后用反锐化掩模法 进行增强处理，最后通过小波逆变换得到输出图像。 3 基于小波分析的图像匹配 图像匹配就是以某一图像作为基准图像，将另一幅同一场景或具有影像重叠 的图像经过一定的平移、旋转和比例缩放等变换，使得两幅图像在几何关系上完 全一致 （相应像点表示同一目标点) ，即用一定的算法自动识别像对上同名像点 或同名目标的过程。 随着多分辨分析和小波变换技术的发展，小波变换在图像匹配中取得了重要 的应用成果。小波变换具有多分辨分析特性，基于小波变换的图像匹配是在多尺 度上，将实时图像和基准图像分解到N 层，并且只保留LL 低频部分，然后利用 改进的归一化灰度组合法 （NIC ）作为相似性度量，进行由粗到精的相关匹配过 程。在匹配搜索中，根据粗分辨率上所获得的模板位置可知在粗细分辨率上模板 的大致位置，缩小了搜索范围，进而可以正确地检测到模板的位置。 4 基于小波分析的图像镶嵌 图像镶嵌技术是一种将数字图像拼接，组合成几何和灰度连续，尽可能高分 辨率的“ 无缝” 图像技术。 传统的图像镶嵌方法是在接缝处及其附近采用平滑处理，这样的处理结果会 导致图像的分辨率下降，产生图像模糊的效果。而把小波变换引入到图像镶嵌中 （即用多分辨镶嵌技术) ，可以很好地兼顾清晰度和光滑度两个方面的要求。在 多分辨镶嵌技术中，首先定义屏蔽信号 （mask single ）为镶嵌区域的示性函数， 即在镶嵌区域取1，否则取0 ，表征图像中参考镶嵌的区域；然后利用屏蔽信号 在各尺度上的低频小波分量作为加权系数；形成多尺度加权系数，把两幅图像在 不同尺度下的小波分量进行平均，从而拼接起来。最后，用重构算法，恢复整个