第三章小波变换与小波变换编码原理.pdfVIP

  第三章 小波变换与小波变换编码原理 小波变换思想的产生最早可以追溯到地球物理学需要对基准函数的缩放和平移进行局 部傅里叶分析，众所周知缩放的概念可以用频率来表述，在此时频分析中，小波因同时具有 时间-空间的局部特性及多分辨率分析特性，对非平稳信号的处理取得进展，而且有利于按 照计算数学实现信号的展开与渐次逼近，从而构成调和分析领域内傅里叶分析的重要发展。 小波变换的基本思想来源于伸缩与平移，与传统傅里叶变换由三角基函数展开相比，小 波基函数为快速衰减、充分平滑、能量紧支且相互经由伸缩与平移所生成的函数集合。最初 1910 年 Haar 提出的一组标准正交基是最早的小波分析方法；现代小波分析是从十九世纪八 十年代开始的；“小波”一词则是 1984 年由法国地球物理学家 J. Morlet 在分析地震数据时提 出的；随后，他与A. Grossman 共同发展了连续小波的几何体系[1]，正交小波基、多分辨率、 分解和重构的快速算法等概念的相继被提出。其中，最具历史性意义的是 1988 年 I. Daubechies 在美国 NSF/CBMS 主办的小波专题讨论会上的《小波十讲》[2] ；Meyer 、 Daubechies 等学者则相继构造出了平方可积函数空间及其他函数空间的正交规范小波基； Mallat 和 Meyer 则相应建立了小波展开的框架，称为多分辨率分析，从而使小波分析可以应 用到广泛的其他领域中。 对于本书所讨论的图像和视频信源编码技术而言，小波分析最具代表性的离散信号处理 应用即为子带编码，最初由 Croisier 等于十九世纪七十年代末通过共轭镜像滤波器（QMF ： quadrature mirror filters ）提出，从而直接导致了随后的完美重构滤波器组研究。小波变换将 图像信号分解成不同空间分辨率、不同频率特征和方向特征的子图像信号，这便于在失真编 码中综合考虑人眼的视觉特性，同时也利于图像的渐进传输。另外，小波变换作用于图像的 整体，在有效去除图像的全局相关性的同时，使量化误差分散到整个图像中，避免了离散余 弦变换方法带来的块效应。所有的这些优势使得它成为一种极有前途的编码方法，它所具有 的高压缩潜力也正不断为各国学者的研究成果所证实。在静止图像压缩标准JPEG2000 中就 采用了小波变换方法[3]，并取得了比基于DCT 的JPEG 更好的压缩效果。 本章首先介绍哈尔（Haar ）变换、金字塔分解及子带编码等相关概念，在此基础上引入 小波的概念，并详细分析了连续小波变换和离散小波变换的构造。随后对多分辨率分析、双 正交小波变换、小波包和提升小波等内容作了较为详细的说明。最后简单介绍了一种小波变 换的应用——运动补偿时域滤波（MCTF ）。 3.1 引入 在介绍小波变换之前，我们先来学习几个与多分辨率分析相关的变换。 3.1.1 Haar 变换 Haar 变换是“紧支、二进、正则、归一小波变换” 的一个实例。Haar 变换的基函数（族） 1    图3.1 Haar 变换的基函数h (x) ，k 0 ~ 7 k 从图 3.1 可以发现： (1)除 外，基函数的波形都是矩形脉冲对，即均呈 形，只是宽度－尺度不同， 位置不同。 (2)非零区的宽度从 1 以“二进”规律递减为 （限于篇幅，图3.1 未给出 以后 的波形）。 (3)与前述的 DFT ，DCT ，KLT 不同，图 3.1 给出的基函数具有以下特性：局部性、尺 度伸缩性、平移性，这与小波变换的特性一致。实质上，Haar 变换就是一个小波变换。