小波变换及其在图像处理与分析中的应用结课论文精选.docxVIP

摘　　要对小波变换的基本概念进行了简要介绍，分析了小波变换在图像压缩、图像去噪以及图像融合等方面的应用，概述了相关算法原理。以Matlab为平台，进行了基于小波变换的图像融合实验，并分析了实验结果。关键词：小波变换图像压缩图像去噪图像融合ABSTRACTThe paper give a brief introduction of wavelet transform’s basic conception and analysis the applications of wavelet transform in image compression, image denoising and image fusion. Then it introduces some algorithms about image prosessing. Finally, give a experiment of image fusion based on wavelet transform, which is programmed in Matlab platform, and analyze the experimental results.Key words: Wavelet transform Image compression Image denoising Image fusion第1章　引言当从时域中观察一个信号时，得到的信息是信号随着时间的变化，其幅度的起起伏伏。但是，如果更进一步想研究起伏速度较快或较慢的部分，就不太容易从时域中信号的波形直接得到所需的信息。因此，需要将时域中的信号转换到频域中分析。传统的转换方式是利用傅立叶变换，然而，傅立叶变换潜在的假设了信号是平稳信号。所谓的平稳信号就是信号的规律不随时间的变化而改变，而现实生活中的信号往往是非平稳信号和平稳信号交织在一起的。另一方面，用傅立叶变换提取信号的频谱需要利用信号全部时域的信息，也就无法通过傅立叶分析来刻画时域信号的局部特性。为解决傅立叶变换的不足，Gabor提出在傅立叶变换中加入高斯窗函数，将窗函数沿时间轴挪移，得到一系列包含时间信息的傅立叶变换结果，从而能同时分析信号的时间信息和频率信息。根据Heisenberg的测不准原理，窗口傅立叶变换对信号的时间定位和频率定位能力是相互矛盾的，时间分辨率和频率分辨率不可能同时提高，而且变换窗口没有自适应性，只适于分析所有特征尺度大致相同的信号，不适于分析多尺度信号和突变过程。由此，引入了小波变换。顾名思义，“小波”就是小的波形。所谓“小”是指它具有衰减性，而称之为“波”则是指它的波动性，其振幅呈正负相间的震荡形式。傅立叶分析是将信号分解成一系列不同频率的正弦波的叠加，同样小波分析是将信号分解为一系列小波函数的叠加，而这些小波函数都是由一个母小波函数经过平移和尺度伸缩得来的。小波分析优于傅立叶分析的地方是，它在时域和频域同时具有良好的局部化性质，且具有多分辨分析的特点。它是一种窗口大小可以改变的分析方法，可以改变其时间窗和频率窗，根据高频和低频的不同，可以使时间——频率窗变窄或变宽，即：在低频部分时具有较高的频率分辨率和较低的时间分辨率，在高频部分时具有较低的频率分布率和较高的时间分辨率，非常适合于加带、瞬态、反常现象的探测正常信号中并展示其成分，所以被誉为分析信号的显微镜。第2章　小波变换的基本概念2.1　连续小波变换给定基本小波函数ψ，信号f(t)的连续小波变换定义为： (a＞0,b∈R) (2.1)式(2.1)也可以表示为，它可以看做是求函数f(t)在的各尺度平移信号上的投影。其给出了f(t)的一种多尺度表示，a代表尺度因子，=称为小波。若a＞1，则函数具有伸展作用，a＜1时，函数具有收缩作用。因此随着参数a的变化，就有可能实现窗口大小自适应变化，当信号频率增高时，时窗宽度变窄，而频窗宽度增大，有利于提高时域分辨率，反之亦然。参数b反映的位移，把基本小波(母小波)的函数作位移后，再在不同尺度下与待分析信号作内积，就可以得到一个小波序列。然而，小波函数的选择既不是唯一的，也不是任意的，它应满足以下几个条件：1）定义域应是紧支撑的，即在一个很小的区间外，函数为零，也就是函数应有速降特性。2）函数平均值为零，而函数只有在t轴上取值有正有负才能保证均值为零，所以函数应有震荡性。在实际应用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，最终目的需要回到原问题的求解，因此，还要保证连续小波变换存在逆变换。对于所有的f(t)、 ∈(R)，连续小波逆变换由式(2.2)给出：f(t)= (2.2)2.2　离散小波变换连续小波变换往往用于理论分析，在实际应用中，需要将连续小波加以离散化才能应用于计算机中。因此，需