小波变换在图像处理中的应用赵壮.docVIP

南 京 理 工 大 学 作 者: 赵壮 学 号： 312042248 学院(系): 电子工程与光电技术学院 专 业: 光学工程 题 目: 小波变换在图像处理中的应用 任课老师： 韦志辉、刘红毅 2012年11月 评分： 摘要：本文主要讲述了小波变换的基本概念、多分辨率分析与Mallat算法以及小波变换在数字图像处理中的应用。这些应用主要包括去噪、压缩、融合，使用Matlab编写程序验证了这些算法的有效性。 1 小波变换的概念 在经典的信号分析理论中,傅里叶变换是应用最广泛、效果最好的一种分析手段。但它只是一种纯频域的分析方法,不能提供局部时间段上的频率信息。随后的短时傅里叶变换STFT,虽然可以同时分析时域和频域信息,但是由于STFT的固定时窗,对于分析时变信号是不利的。这是因为时变信号中的高频一般持续时间很短,而低频持续时间比较长,所以都希望对高频信号采用大的时窗,对低频信号采用小的时窗进行分析。小波变换正是在这样的背景下发展起来的。小波变换的概念是由法国从事石油信号处理的工程师J.Morlet在1974年首先提出的，通过物理的直观和信号处理的实际需要经验的建立了反演公1986年著名数学家Y.Meyer偶然构造出一个真正的小波基，并与S.Mallat合作建立了构造小波基的统一方法--多尺度分析之后小波分析才开始蓬勃发展起来。与Fourier变换、视窗Fourier变换（Gabor变换）相比，具有良好的时频局部化特性，因而能有效的从信号中提取资讯，通过伸缩和平移等运算功能对函数或信号进行分析（Multi Analysis），解决了Fourier变换不能解决的许多困难问题，因而小波变化被誉为数学显微镜，它是调和分析发展史上里程碑式的进展。 小波变换分为以下两种：连续小波变换和离散小波变换。 1.2 连续小波变换 引言中提到的短时傅里叶变换(STFT),其窗口函数是通过函数时间轴的平移与频率限制得到的,由此得到的时频分析窗口具有固定的大小。对于非平稳信号而言,需要时频窗口具有可调的性质,即要求在高频部分具有较好的时间分辨率特性,而在低频部分具有较好的频率分辨率特性。为此,特引入窗口函数,并定义平方可积分函数的连续小波变换为: 式中:a称为尺度参数;b称为平移参数很显然,并非所有函数都能保证式(1)中的变换对于所有均有意义;另外,在实际应用中,尤其是信号处理以及图像处理的应用中,变换只是一种简化问题、处理问题的有效手段,最终目的需要回到对原问题的求解,因此还要保证连续小波变换存在逆变换。同时,作为窗口函数,为了保证时间窗口与频率窗口具有快速衰减特性,经常要求函数Ψ(x)具有如下性质 式中C为与xω无关的常数ε0。 （1）线性：一个多分量信号的小波变换等于各个分量小波变换之和。 （2）平移不变性：若f(t)的小波变换为Wf(a,b)，则f(t-τ)的小波变换为Wf(a,b-τ)。 （3）伸缩共共变性：若f(t)的小波变换为Wf(a,b)，则f(ct)的小波变换为。 （4）自相似性：对应不同尺度参数a和不同平移参数b之间的连续小波变换之间是自相似的。 （5）冗余性：连续小波变换中存在信息表述的冗余。 1.3　离散小波变换 数字信号处理时。离散小波变换针对尺度参数a、平移参数b进行离散化,最常用的是二进制动态采样网络,每个网格点对应的尺度为2j,平移为2jk,即 该离散化小波称为二进制小波。 二进制小波对信号的分析具有变焦距的作用。假定一开始选择一个放大倍数,它对应为观测信号的某部分内容。如果想进一步观看信号的更小细节,则需要提高放大倍数,即减小j值。在这个意义上讲,小波变换被称为数学显微镜。 2Mallat算法 Y.MeyerMallat在构造正交小波基时，提出了多分辨率分析(Multi-Resolution Analysis)的概念，从空间的概念上形象的说明了小波的多分辨率特性，将以前所有的正交小波基的构造方法都统一起来，给出了正交小波的构造方法以及正交小波变换的快速算法，Mallat算法。 2.1 多分辨率分析 多分辨率分析又称多尺度分析，随着尺度由大到小的变化可在各个尺度上有粗糙到精细的观察目标，这就是多分辨率（多尺度）的基本思想，由此可以引出多分辨率分析的定义。 空间L2(R)中一系列闭子空间{Vj}j∈Z，如果满足下列条件称为L2(R)上一个多分辨率分析（MRA）： （1）单调性：。 （2）逼近性：。 （3）伸缩性：。 （4）平移不变性：。 （5）Reisz基： Vj称为尺度为j的尺度空间，函数称为尺度函数。由于{Vj}j∈Z不具有正交性，它们的基在不同的空间尺度不具有正交性，即不能作为空间L2(R)的正交基。 定义{Vj}j∈Z的