小波变换图像压缩中的应用.docVIP

小波变换在图像压缩中的应用 摘要：小波变换克服了傅利叶变换在单分辨率上的缺陷，具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力，从而使得小波理论在图像处理等领域得到广泛的应用。本文探讨了小波变换在图像压缩中的应用和小波基的选取，具体程序可在 matlab上运行并进行分析，得出结果。 关键词 ：小波分析 图像压缩 1引言 一幅数字化图像包含有大量的数据，由于存储空间和网格带宽的限制。对图像进行存储和传输之前首先要对图像进行压缩。在保证质量要求的前提下，减　少或消除图像中的冗余 ，达到节省存储和传输的带宽。在需要时，再对压缩图像进行解码和重构。 传统的变换方法如 FFT、DCT等有很多局 限性 。它们只能提供整个信号在全部时间或空间下的整体频域特性，而不能提供任何时间或空间段上的频域信　 息，而图像中的许多重要特征如边缘、纹理等，都是高度局部性的，因此它们在压缩含有瞬态和局部性信号分量的图像时性能不佳。另外在信号或图像分析中，　 有时需要将信号在时域和频域的特性或图像在空域和频域的特性结合起来分析，例如：当我们要了解图像的哪一个部分含有较多的高频分量，或者信号某一段频率分布情况等，这都是传统变换方法无法解决的。而小波变换则具有时频局部性，它在频率和位置上都是可变的，非常适合分析瞬态信号。当分析低频信号时，可以降低时间分辨率来提高频率分辨率；而在高频部分时，可以在较高的时间分辨率下关注信号的瞬态特征 ，而降低频率分辨率。这正好与自然界中低频信号持续时间较长，而高频信号持续时间较短相吻合，非常适合于图像处理。所以小波分析被称为“数学显微镜”。 2 小波分析 2.1一维连续小波变换 定义：设，其傅立叶变换为，当满足允许条件(完全重构条件或恒等分辨条件) (1.1) 时，我们称为一个基本小波或母小波。将母函数经伸缩和平移后得 (1.2) 称其为一个小波序列。其中a为伸缩因子，b为平移因子。对于任意的函数的连续小波变换为 (1.3) 其重构公式(逆变换)为 (1.4) 由于基小波生成的小波在小波变换中对被分析的信号起着观测窗的作用，所以还应该满足一般函数的约束条件 〈 (1.5) 故是一个连续函数。这意味着，为了满足完全重构条件式，在原点必须等于0，即 (1.6) 为了使信号重构的实现在数值上是稳定的，处理完全重构条件外，还要求小波的傅立叶变化满足下面的稳定性条件： (1.7) 式中0〈AB〈 从稳定性条件(1.7)可以引出一个重要的概念。 定义(对偶小波) 若小波满足稳定性条件(1.7)式，则定义一个对偶小波，其傅立叶变换由下式给出： (1.8) 注意，稳定性条件(1.7)式实际上是对(1.8)式分母的约束条件，它的作用是保证对偶小波的傅立叶变换存在的稳定性。值得指出的是，一个小波的对偶小波一般不是唯一的，然而，在实际应用中，我们又总是希望它们是唯一对应的。因此，寻找具有唯一对偶小波的合适小波也就成为小波分析中最基本的问题。连续小波变换具有以下重要性质： (1)线性性：一个多分量信号的小波变换等于各个分量的小波变换之和。 (2)平移不变性：若f(t)的小波变换为，则的小波变换为。 (3)伸缩共变性：若f(t)的小波变换为，则f(ct)的小波变换为。 (4)自相似性：对应不同尺度参数a和不同平移参数b的连续小波变换之间是自相似的。 (5)冗余性：连续小波变换中存在信息表述的冗余度。 小波变换的冗余性事实上也是自相似性的直接反映，它主要表现在以下两个方面： (1)由连续小波变换恢复原信号的重构分式不是唯一的。也就是说，信号f(t)的小波变换与小波重构不存在一一对应关系，而傅立叶变换与傅立叶反变换是一一对应的。 (2)小波变换的核函数即小波函数存在许多可能的选择(例如，它们可以是非正交小波、正交小波、双正交小波，甚至允许是彼此线性相关的)。 小波变换在不同的(a，b)之间的相关性增加了分析和解释小波变换结果的困难，因此，小波变换的冗余度应尽可能减小，它是小波分析中的主要问题之一。 2.2高维连续小波变换 对，公式 (1.9) 存在几种扩展的可能性，一种可能性是选择小波使其为球对称，其傅立叶变换也同样球对称， (2.0) 并且其相容性条件变为 (2.1