图像变换技术-第二章-3-卜庆凯.ppt

第2章 图像变换技术 二、离散小波变换 离散小波变换分析图 第2章 图像变换技术 二、离散小波变换 DWT变换方法 执行离散小波变换的有效方法是使用滤波器 该方法是Mallat在1988年开发的，叫做Mallat算法 这种方法实际上是一种信号的分解方法，在数字信号处理中称为双通道子带编码 用滤波器执行离散小波变换的概念如图所示 S表示原始的输入信号，通过两个互补的滤波器产生A和D两个信号 A表示信号的近似值(approximations) D表示信号的细节值(detail) 第2章 图像变换技术 二、离散小波变换 在许多应用中，信号的低频部分是最重要的，而高频部分起一个“添加剂”的作用。犹如声音那样，把高频分量去掉之后，听起来声音确实是变了，但还能够听清楚说的是什么内容。相反，如果把低频部分去掉，听起来就莫名其妙。在小波分析中，近似值是大的缩放因子产生的系数，表示信号的低频分量。而细节值是小的缩放因子产生的系数，表示信号的高频分量。 双通道滤波过程 第2章 图像变换技术 二、离散小波变换 离散小波变换可以被表示成由低通滤波器和高通滤波器组成的一棵树 原始信号通过这样的一对滤波器进行的分解叫做一级分解 信号的分解过程可以叠代，也就是说可进行多级分解。 如果对信号的高频分量不再分解，而对低频分量连续进行分解，就得到许多分辨率较低的低频分量，形成如图所示的一棵比较大的树。这种树叫做小波分解树(wavelet decomposition tree) 分解级数的多少取决于要被分析的数据和用户的需要 小波分解树 第2章 图像变换技术 二、离散小波变换 小波分解树 (a)信号分解 (b)系数结构 (c)小波分解树 小波分解树 第2章 图像变换技术 二、离散小波变换 小波包分解树 小波分解树表示只对信号的低频分量进行连续分解。如果不仅对信号的低频分量连续进行分解，而且对高频分量也进行连续分解，这样不仅可得到许多分辨率较低的低频分量，而且也可得到许多分辨率较低的高频分量。这样分解得到的树叫做小波包分解树(wavelet packet decomposition tree)，这种树是一个完整的二进制树。 第2章 图像变换技术 二、离散小波变换 三级小波包分解树 图表示的是一棵三级小波包分解树。小波包分解方法是小波分解的一般化，可为信号分析提供更丰富和更详细的信息。例如，小波包分解树允许信号S表示为 第2章 图像变换技术 三、二维离散小波变换 cAj+1 cDj+1(h) cDj+1(v) cDj+1(d) cAj 2 1 2 1 1 2 1 2 1 2 1 2 Lo_D Hi_D Lo_D Hi_D Lo_D Hi_D 行 列 列下采样 行下采样 第2章 图像变换技术 三、二维离散小波变换 标准分解流程示意 第2章 图像变换技术 三、二维离散小波变换 非标准分解是指使用一维小波交替地对每一行和每一列像素值进行变换。首先对图像的每一行计算像素对的均值和差值，然后对每一列计算像素对的均值和差值。这样得到的变换结果只有1/4的像素包含均值，再对这1/4的均值重复计算行和列的均值和差值，依此类推。非标准分解的过程如下: 非标准分解 第2章 图像变换技术 三、二维离散小波变换 非标准分解流程示意 第2章 图像变换技术 三、二维离散小波变换 使用Matlab dwt函数 idwt函数 wcodemat函数 dwt2函数 wavedec2函数 idwt2函数 waverec2函数 第2章 图像变换技术 四、应用 load woman; nbcol=size(map,1); [cA1,cH1,cV1,cD1]=dwt2(X,db1); cod_X=wcodemat(X,nbcol); cod_cA1=wcodemat(cA1,nbcol); cod_cH1=wcodemat(cH1,nbcol); cod_cV1=wcodemat(cV1,nbcol); cod_cD1=wcodemat(cD1,nbcol); dec2d=[cod_cA1,cod_cH1;cod_cV1,cod_cD1]; subplot(1,2,1); imshow(cod_X,[]); subplot(1,2,2); imshow(dec2d,[]); 第2章 图像变换技术 四、应用 实验结果 图像处理和分析技术 自动化工程学院 电子工程系 卜庆凯 第2章 图像变换技术 一、基础 1.信号分析工具 1822年Fourier变换,在频域的定位最准确，无任何时域定位能力。 函数，时域定位完全准确，频域无任何定位能力