[工学]多媒体技术小波变换与数据压缩.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 小波变换与数据压缩 小波变换可以用于图像、声音(Sound)、视频压缩 小波的压缩过程通常分三部分： 小波变换部分，量化部分，熵编码部分 * 小波变换与数据压缩 Original 1 Level 2 Levels 3 Levels * 小波变换与数据压缩 为了进一步说明高频中的信息的所含内容，我们将一个经过压缩后的图像，逐步还原出来，每多一次还原过程，也就是经过一次小波变换的逆变换，图像逐渐清晰起来，见下图 * 小波变换与数据压缩 Time 2 Decomp Bowl Time 1 Decomp basic content Time 4 Decomp Background Time 3Decomp Figures * 小波变换与数据压缩 * 小波变换与数据压缩 量化 * * * * * * * * * 时间和频率的定位功能： 给定信号，希望知道在某个特定时刻（或者很短的时间范围）该信号对应的频率是多少；反过来，对某一个特定的频率（或者很窄的频率区间）希望知道是什么时刻发生了该频率段的分量。 对于傅里叶变换，从时间信号中提取频谱信息F(ω) ，使用（－∞，∞）的时间信息来计算单个频率的频谱；或者说，F(ω)的任一频率组成部分的值，是由时域f(t)在（－∞，∞）上决定的。f(t)在任一时刻的状态也是由F(ω)在整个频域（－∞，∞）的量决定 例如若你记录1小时长的信息而在最后5分钟出错，这一错误就会毁了整个傅立叶变换。 不适于非平稳信号 非平稳信号:信号的频率不随时间变化的信号为时不变信号，也称为平稳信号，反之为非平稳信号； 例如：对平稳信号的一次记录得到的信号所作的傅里叶变换和过一段时间后再记录该信号所作的傅里叶变换基本上是一样的。 傅里叶变换反映不出信号频率随时间变化的行为，它只适合分析平稳信号，对非平稳信号，它只能给出一个总的平均效果。 时间分辨率和频率分辨率：对信号能够作出辨别的时域或频域的最小间隔，时域分辨率（频率分辨率）：通过时域窗口（频域窗口）来观测信号时，所观测的时间的宽度（频率的宽度），窗口越窄，相应的分辨率就越好。 根据测不准原理，时间分辨率和频率分辨率不可能同时达到最好（即分辨率的间隔最小） 例如：在时域有瞬变特性的信号，希望时域的分辨率要好，以保证能够观测到其信号发生的时刻及瞬变的形态，此时要忽略频域分辨率；反之对时域缓慢变化的信号，没有必要强调时域分辨率，要强调频域分辨率。 一个好的信号分析算法，能够适应信号的特点自动地调节时域和频域的分辨率。 傅里叶变换具有最好的频域分辨率。 * * * * * * * 窗口傅立叶变换对函数（信号）进行的分析，相当于用一个形状、大小和放大倍数相同的“放大镜”在时－频相平面上移动去观察某固定长度时间内的频率特性，如上图所示。这里的问题是：尽管窗式傅立叶变换能解决变换函数的局域化问题，但是，其窗口的大小和形状是固定的,即窗口面积不变，窗口没有自适应性。 对信号进行时频联合分析时，对于高频的信息，时间间隔要相对的小以给出比较好的精度，也就是更好地确定峰值和断点，或者说需要用较窄的时域窗来反映信息的高频成分。对于低频谱的信息，时间间隔要相对的宽才能给出完整的信号信息，或者说必须用较宽的时域窗来反映信息的低频成分。而用Gabor变换，如果你选择一扇宽的时频窗，低频成分可以看得清楚，在高频部分确定时间时就很糟糕；若你选一扇窄的时频窗，在高频可以很好确定时间，但在低频的频率就可能装不进去。真正合适的做法是“放大镜”的长宽是可以变化的。 * * * * * * * * * * * 小波变换实例 一维哈尔小波变换 小波基函数构成的空间：W j * 小波变换实例 一维哈尔小波变换 生成矢量空间W 2 的哈尔小波基函数 * 小波变换实例 一维哈尔小波变换 生成矢量空间W 2 的哈尔小波基函数 * 小波变换实例 一维哈尔小波变换 生成矢量空间W 2 的哈尔小波基函数 * 小波变换实例 一维哈尔小波变换 实例 图像＝[9 7 3 5] 像素个数： 2j =22=4 V2 中的哈尔基表示 * 小波变换实例 一维哈尔小波变换 实例 V2 中的哈尔基表示的一般形式 其中的系数 * 小波变换实例 一维哈尔小波变换 实例 用V 0, W 0和W1中的函数表示图像 生