小波在奇异性检测中的应用.docxVIP

9.小波在信号奇异性检测及图像边缘提取中的应用无限次可导的函数是光滑的或者是没有奇异性的。若函数在某处有间断或者某阶导数不连续，则称该函数在此处有奇异性信号的奇异性和非正则结构包含了信号的本质信息。长期以来，傅立叶变换一直是研究函数奇异性的基本工具，但是由于傅立叶变换缺乏空间局部性，因此只能确定其奇异性的整体性质，傅立叶变换相当于将信号作了平均，局部的特征丢失了。无法确定奇异点的空间分布情况。小波变换具有空间局部化性质，小波变换系数由该点附近的局部信息所确定，因此小波变换能够很好的分析信号的奇异点的位置和奇异点的强弱。奇异点的位置可以通过跟踪小波变换在细尺度下的模极大曲线来检测；而信号点的奇异性强弱（在数学上，通常用Lipshitz指数来刻画信号奇异性的大小）可以由小波变换模极大值随尺度参数的衰减性来刻画。S.Mallat在1992年将Lipschitz指数（Lipschitz Exponent LE）与小波变换后系数模的局部极大值联系起来，通过小波变换后局部极大值在不同尺度上的衰减速度来衡量信号的局部奇异性。基于小波变换的信号奇异性检测可以应用于故障诊断、图像的多尺度边缘提取、信号恢复和去噪、语音基因周期检测等领域。Lipschitz指数的定义[9]1）设,称函数在处具有Lipschitz指数（），是指对，存在常数和次多项式，使得2）如果存在与无关的常数，使得均有则称函数在区间上是一致Lipchitz的。3）满足在点是Lipschitz的所有的上界刻画了该点的正则性，称为函数在点的Lipschitz指数；同样可以定义区间上的Lipschitz指数。对于任意点，多项式是唯一确定的。若函数在的某个领域内是次连续可微的，则是在点Taylor展开级数的前项构成的多项式，即若，则由Lipschitz指数的定义我们可以看出越大，函数越光滑，奇异性越小；反之，越小表明函数在该点处变换越剧烈，也就是奇异性越大。特别的，如果函数在点是连续可微的，则在该点的Lipschitz指数为1；如果函数在点不连续但有界，则在该点的Lipschitz指数为0。如果函数在点的Lipschitz指数小于1，则称函数在点是奇异的。如果在点的Lipschitz指数满足，则在点是n次可微得，但其n次倒数在点时奇异的，它的Lipschitz指数为，则也描述了这个奇异性。Lipschitz指数还可以扩展到的范围。如果函数的原函数在点为Lipchitz（），则称在点的Lipschitz。负的Lipschitz指数意味着函数具有比不连续（）更大的奇异性。对Dirac函数而言，它的原函数为一个有界但不连续的函数（阶跃信号），上面已经指出阶跃信号的Lipschitz指数为0，故的Lipschitz指数为-1。下面通过函数的在不同尺度上的小波变换系数的绝对值来衡量函数的Lipschitz指数。若小波是实函数且连续可微，并具有阶消失矩（），，则函数在处具有Lipschitz指数，当且仅当存在常数K，使得，其小波变换满足：设是函数局部突变点（奇异点），则在该点处的小波变换取模极大值。　　1992 年,Mallat和Hwang提出,可以通过跟踪小波变换模极大值(Wavelet Trans form Modules Maxima ,WT 2MM)在影响锥(Cone Of In fluence ,COI) 内的跨尺度变化估计信号奇异点的LE，即通过度量不同尺度下小波变换系数的绝对值来衡量函数的LE。2 连续小波变换的模极大值与信号多尺度边界检测在计算机视觉中，检测图像的边缘信息是一项非常重要的工作。若函数为平滑函数,则应满足受计算机视觉研究的启发,一般选为高斯函数定义，则函数在尺度s下的边缘定义为被平滑以后的局部突变点。设小波和待分析信号都是实函数，尺度参数。函数为平滑函数，可以选高斯函数或三次样条小波，小波是的一阶导数，即，则的连续小波变换为上式说明小波变换模极大值为经光滑以后的函数的一阶导数的极大值，它们对应了信号的突变点。如图所示小波变换模极大值和模极大点的定义定义 在尺度下若关于的导数在等于零，则称小波变换在有局部极值。若对于邻域中的任意点，都有，并且在左邻域或右邻域满足严格不等式关系，则称是小波变换在尺度下的极大点；称为模极大值。在平面上，如果有一条曲线使得上面每一点都是的极大值点，则称该曲线为极大值曲线。 从视觉分析的角度，仅有一些较强的边界是可见的，因此我们没有必要提取所有的边界，而是采用一个阈值将弱边界去掉。边界点的定义设是一个阈值，则在尺度下，满足以下两个条件的点称为信号在尺度下的边界点：1）2）在点取得局部极大值。离散信号的边界点检测设信号采样以后以离散形式输入，对离散形式信号采样连续小波变换的数值算法，计算某一尺度s下的连续小波变换，离散小波变换序列的模极大值的