小波实验.docxVIP

第一章 小波基本理论小波分析诞生于20世纪80年代, 是继现代Fourier分析发展后的一个崭新阶段，小波分析被誉为“显微镜”。目前, 它在图像处理、故障诊断、地球物理勘探都得到了广泛深入的研究。在传统的傅立叶分析中，信号完全是在频域展开的，不包含任何时间信息，所以人们对傅立叶分析进行了推广，如短时傅立叶变换和小波变换。其中短时傅立叶变换是在傅立叶分析基础上引入时域信息的最初尝试，但是它的时域区分度只能依赖于大小不变的时间窗，对某些瞬态信号来说还是尺度太大，不能够提取出精确的定时信息。换言之，短时傅立叶分析只能在一个分辨率上进行。所以对很多应用来说不够精确，存在很大的缺陷。 而小波分析则克服了短时傅立叶变换在单分辨率上的缺陷，具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力，时间窗和频率窗都可以根据信号的具体形态动态调整，在一般情况下，在低频部分（信号较平稳）采用较低的时间分辨率，而提高频率的分辨率，在高频情况下（频率变化不大）用较低的频率分辨率来换取精确的时间定位。1.1 Haar小波简介Haar小波尺度函数定义为(1.1)利用尺度函数的平移可以表示出函数的尺度。设j是一非负整数，j级阶梯函数空间表示为，它是由函数集 (1.2)在实数域上张成的。是紧支撑的分段常量函数空间，其间断点在下列集合中： 中的函数是在整数集上有间断点的分段常量函数,中任何一个函数亦属于，而的间断点在半整数集合中。依次类推，有(1.3) 这种包含关系是严格的。Haar小波函数为 (1.4)令是形如 的函数构成的空间，设仅有有限个非零。是中的正交补，即。由此可以进行依次类推，最终可得,则对于信号,这里，，完成了Haar小波基本原理分析。1.2 Haar小波分解与重构分解：现有一原信号将其分解为各个(lj)分量。根据(1.5)(1.6)可将分解为偶部和奇部：该分解过程继续下去，即可得 (1.7)重构：为将原信号表示为，利用(1.8) (1.9)首先用x-k替换x，得类似可将变换得结合两式有，而,f=所以,其中由如下算法确定(1.10)1.3MATLAB软件中小波的使用在MATLAB中命令框中输入wavemenu命令，调出如下小波工具箱图一小波工具箱对于图像的分解、降噪和压缩等处理，进行小波2D处理。在这里，可以改变所使用的小波的类型以及分解的层数，从中可以观察到分解后的图像的细节。图二图像进行重构图三图像进行降噪处理图四图像进行压缩处理图五图像采用小波包处理从小波包分解树中可以清楚地看到分解的方法。并且采用小波包进行压缩降噪处理，同等条件下，效果更为明显。图六 小波包分解树图七 降噪处理第二章 小波水印算法IMG1 = imread(E:\xiaobo\m5.jpg); % 读取RGB文件，图片IMG2 = imread(E:\xiaobo\m5s1.jpg); % 读取RGB文件，水印图[m,n]=size(IMG1); IMG2=imresize(IMG2,[m,n]); % 对图像重新采样h=size(IMG1,1);w=size(IMG1,2)figure(1); %建立图形subplot(2,1,2); %两行一列第二幅图imshow(uint8(IMG1));title(原始图像); subplot(2,1,1); imshow(uint8(IMG2));%把数据IMG2显示为256阶的图像。title(水印); fusion = 1.40; %设置阈值IMG1 = double(IMG1); %防止计算溢出IMG2 = double(IMG2); IMG3 = zeros(h,353,2);%根据定义，计算各像素灰度值出现的个数；fori = 1 : h for j = 1 : w IMG3(i,j,1) = IMG1(i,j,1)*fusion + IMG2(i,j,1)*(1-fusion); IMG3(i,j,2) = IMG1(i,j,2)*fusion + IMG2(i,j,2)*(1-fusion); IMG3(i,j,3) = IMG1(i,j,3)*fusion + IMG2(i,j,3)*(1-fusion); end %图像融合算法endfigure(2); imshow(uint8(IMG3)); imwrite(IMG3,E:\xiaobo\3.jpg);title(水印图像);第三章 水印嵌入仿真3.1 水印的嵌入Step1 载入原始图像 I。Step2 使用小波函数 db2 对 I 进行二维离散Daubechies小波变换。Step3 定义一个阈值 T , 在 I 中嵌入水印。选择小波分解的高频系数矩阵,如果系数矩阵的每一