毕业论文外文翻译-小波在图像缩领域中的应用.doc

摘要 小波分析提供了一种强大的和非常灵活的工具集，来处理在科学和工程方面的基本问题，比如音频消噪、信号压缩、目标探测和指纹压缩、图像去噪、图像增强、图像识别、诊断心脏病和语音识别等等。本文主要介绍小波在图像压缩领域中的应用，包括实现过程、数学推导以及结果分析。小波图像压缩是用各种已知的具有不同数学特性的小波来完成的。我们研究数学小波应用的见解方式是为了符合图像压缩的工程模型。 1．介绍 小波函数根据尺度或分辨率进行信号或图像的数据分析。信号处理的小波算法事实上和人类眼睛的工作方式很像;也和数码相机处理视觉缩放分辨率及中间细节的方式很像。同样的原则它也捕捉手机信号,及数字化彩色图像在医学上的使用。小波分析的真正应用领域, 例如在具有明显的间接性如易变方向的信号的数据，或拥有大量边缘的图片。 而小波也许是函数理论中的一章，我们证明这个结果的关键是数字处理算法，或更精确的数字化信息，信号，时间序列，图像，电影等。因此，小波思想的应用包括大部分的信号和图像处理，数据压缩，指纹编码，和许多其它科学和工程领域。本论文重点是使用定制设计的小波算法,和数学阈值过滤器对彩色图像的处理。 2．彩色图像小波压缩 小波图像压缩的全过程执行如下: 由计算机输入图像，提出小波变换对数字图像进行阈值分割，对数字图像进行熵编码，在必要的地方完成图像，因此，图像压缩是在计算机上完成的。完成压缩图像、小波转换图像重建,然后在图像上进行逆小波变换,因此图像重建。在某些情况下,图像算法(Sha93)的使用是已知的较好的压缩图像的算法,但它不能在这里实现 2.1提出小波变换 各种小波变换用于这一步。即Daubechies小波，Coiflets,双正交小波,Symlets。这些不同的转换是观察各种数学性质,如对称,号码消失的时刻和正交如何实现压缩图像的不同结果。优势短支持保留位置。使用的Daubechies小波,Coiflets是正交的。 Symlets的性能接近对称。双正交小波不正交也没有在各种过滤器上正交从而允许他们拥有对称属性。 MATLAB有一称为wavedec2的子程序,它执行图像的分解以达到给定的期望水平(N)与给定的期望小波(wname)。这有三个组件来处理小波变换应用于分量方式。“wavedec”是一个二维小波分析功能。[C,S]= wavedec2(X,N,wname)返回矩阵X N级小波分解,用小波在字符串“wname”中命名。输出是分解矢量C和相应的书中保持矩阵S[MatlabUG]。这里的图像作为矩阵X。 2.2阈值 这个项目的目的是使用固定阈值比较每一个使用不同小波图像压缩的性能。MATLAB这个子程序称为wthrmngr，它根据选项和方法计算全局阈值或水平依赖阈值。可用的选项有全局阈值和水平依赖阈值,及用于程序的全球阈值。然而,使用一个固定的阈值,是为了每一个小波变换具有相同的给定条件来比较不同条件下的性能。这个项目使用的固定阈值是10到20。用无损压缩0作为阈值,原因很明显。 2.3 小波 紧支撑小波函数定义在一个有限区间且平均值为零序列中。小波变换的基本思想是代表任意函数f(x)等叠加的一组小波基函数。这些基础功能通过扩张或缩放及译文从aingle原型获得小波被称为母小波ψ(x)。除了少量的间断，小波基非常擅长有效地代表平滑函数。 3．图像的数学表示法 3.1数字图像表示法 一个图像被定义为一个二维函数。一个矩阵f(x,y),x和y是空间坐标, ,f的振幅是任何一对坐标(x,y)称为强度或灰度图像的点。彩色图像相结合形成单独的二维图像。例如,在RGB颜色系统，彩色图像由三个即红色,绿色和蓝色的单个组件组成的图像。因此许多技术开发是为了单色图像可以通过处理三个单独的组件图片扩展到彩色图像。当x,y和f的振幅值都是有限的,离散的数量,图像被称为数字图像。数字图像处理领域是指通过数字计算机处理数字图像。数字图像是由有限数目的元素组成,每一种都有一个特定的位置和幅值。这些元素被称为图像元素,图像像素,图元和像素。由于像素是最广泛使用的术语,这些元素从现在开始将被表示为像素。 图像在x和y坐标上,及振幅上可能是连续的。数字化坐标以及振幅能够使图像转换到数字形式。在这坐标值称为采样的数字化,数字化的振幅值称为量化。数字图像是由有限数目的元素组成,每一种都有一个特定的位置和幅值。数字图像处理领域是指通过数字计算机处理的数字图像。 3.2MATLAB里读取图片 图像使用名为imread的函数读取到MATLAB环境中。语法如下:imread(文件名),文件名包含完整的任何适用扩展字符的图像文件名称。例如,命令行 f = imread(lena.jpg);莉娜JPEG图像读入图像数组或图像矩阵f。图像中由于有三个颜色组件,即红色,绿色和蓝色的成分,图