CH8小波与小波变换.pptVIP

彩色图像回顾 视觉系统对颜色的感知 图像的颜色模型 彩色空间的线性变换标准 图像的三个基本属性 图像的种类 伽马(γ)校正 JPEG压缩编码 常见图像文件格式 第八章 小波与小波变换 教 师 ：李 良 Email：plum_liliang@163.com QQ ：本章内容 8.1 小波介绍 8.2 哈尔函数 8.3 哈尔小波变换 8.4 规范化算法 8.5 二维小波变换 8.1 小波介绍 傅立叶分析?小波变换（应用数学） 小波简史 1909 年Haar最早发现了小波，并被命名为哈尔小波(Haar wavelets)。 20 世纪70 年代，Jean Morlet 提出了小波变换WT(wavelet transform)的概念。 20 世纪80 年代，法国的科学家Y.Meyer 和他的同事开始开发系统的小波分析方法。Meyer 于1986 年创造性地构造出具有一定衰减性的光滑函数，使小波得到真正的发展。 1988 Stephane Mallat提出了正交小波的构造方法和快速算法，叫做Mallat 算法。 8.1 小波介绍 小波概念 小波是定义在有限间隔而且其平均值为零的一种函数。 8.1 小波介绍 8.1 小波介绍 小波函数特点： 具有有限的持续时间和突变的频率和振幅 可以是不规则的，也可以是不对称的，在整个时间范围里的幅度平均值为零(与积分区别) 在时域和频域中都应该具有某种程度的平滑性和集中性?消失矩(vanishing moments) 8.1 小波介绍 小波分析 目的：获得时间和频率域之间的相互关系。 分析方法：小波变换通过平移母小波(mother wavelet)可获得信号的时间信息，而通过缩放小波的宽度(或者叫做尺度)可获得信号的频率特性。 小波分析中常用的三个基本概念：连续小波变换、离散小波变换和小波重构。 8.1 小波介绍 连续小波变换换(continuous wavelet transform，CWT ) 傅立叶变换?连续小波变换 小波变换也可以理解为用经过缩放和平移的一系列函数代替傅立叶变换的正弦波。 8.1 小波介绍 CWT过程： 步骤1: 把小波φ(t) 和原始信号f (t) 的开始部分进行比较。 步骤2: 计算系数C 。该系数表示该部分信号与小波的近似程度。系数C 的值越高表示信号与小波越相似，因此系数C 可以反映这种波形的相关程度。 步骤3: 把小波向右移，距离为k ，得到的小波函数为φ(t-k) ，然后重复步骤1 和2。再把小波向右移，得到小波φ(t- 2k)，重复步骤1 和2。按上述步骤一直进行下去，直到信号f (t) 结束。 步骤4: 扩展小波φ(t) ，例如开展一倍，得到的小波函数为φ(t /2)。 步骤5: 重复步骤1~4。 8.1 小波介绍 8.1 小波介绍 CWT输出： 小波系数C（幅度大小） 缩放因子（信号频率） 8.1 小波介绍 离散小波变换(discrete wavelet transform，DWT)： 通常指双尺度小波变换 缩放因子和平移参数都选择2 j ( j 0 的整数)的倍数 执行离散小波变换的有效方法是使用滤波器（Mallat 1988）--Mallat算法 8.1 小波介绍 8.1 小波介绍 降采样(downsampling)的方法 在使用滤波器对真实的数字信号进行变换时，得到的数据将是原始数据的两倍。于是,根据尼奎斯特(Nyquist)采样定理就提出了降采样(downsampling)的方法，即在每个通道中每两个样本数据取一个，得到的离散小波变换的系数(coefficient)分别用cD 和cA 表示。 8.1 小波介绍 小波重构： 把分解的系数还原成原始信号的过程叫做小波重构(wavelet reconstruction)或者叫做合成(synthesis)，数学上叫做逆离散小波变换(inverse discrete wavelet transform，IDWT)。 8.1 小波介绍 升采样 在两个样本数据之间插入“0”，目的是把信号的分量加长。 8.1 小波介绍 小波定义 母小波(mother wavelet)或者叫做基本小波 一组小波基函数可通过缩放和平移基本小波φ(x)来生成： 8.1 小波介绍 8.2 哈尔函数 哈尔基函数 基函数是一组线性无关的函数，可以用来构造任意给定的信号 哈尔基函数(Haar basis function)是最简单的基函数 8.2 哈尔函数 尺度函数(scaling function) ：为生成矢量空间V j 而定义的基函数 8.2 哈尔函数 由于定义了基和矢量空间，我们就可以把由2 j 个像素组成的一维图像看成为矢量空间V j 中的一个矢量。由于这些矢量都是在单位区间[0,1) 上定义的