《数图》第6小波变换.ppt

Digital Image Processing 数字图像处理基础 Digital Image Processing 第六章 小波变换 小波（wavelete）变换： 上一世纪80年代以来发展起来的一种局部化时频域分析方法， 具有傅立叶变换、Gabor变换等所不具备的优良特性： 如多尺度分解性、时频联合分析、方向选择、对象的自适应性等。 以多尺度分解为核心特性，和人的视觉特性十分相似。 主要内容： 从傅里叶变换、短时傅里叶变换到小波变换的演变； 信号空间理论和多分辨率分析理论； 三种基本方式：连续小波变换(CWT)、小波级数展开和离散小波变换(DWT)； 将一维小波变换推广到二维； 小波变换在图像处理中的几种应用。 第1节 从傅立叶变换到小波变换 （1）傅立叶变换的局限 1）傅立叶积分变换：对连续非周期函数f(x) (6.1) (6.2) 2）傅立叶级数展开：对连续周期为L的函数f(t) (6.3) (6.4) 3）离散傅立叶变换：对周期为N的离散序列函数f(n) (6.5) (6.6) 傅立叶变换是一种映射，将时域信号映射到频域，形成傅立叶频谱， 确立了信号波形f(t)和信号频谱F(ω)之间的严格对应关系， 有可能将时域内难以显现的特征在频域中十分清楚地凸显出来。 傅立叶变换的不足之处： 1）时频分离 傅立叶变换的f(t)与F(ω)间的彼此相对独立，没有将时、频信息组合在一个域： 频谱函数F(ω)中任意一个频率分量是全体时域函数f(t)的积分贡献， 时域函数f(t)中任意一个时间分量是全体频谱函数F(ω)的积分贡献。 在频谱中不容易得到它的时间信息，在时域波形中不容易得到它的频谱信息。 2）基函数非紧支 在线性变换中，变换系数＝f(t), h(t)，表示f(t)和h(t)的相似程度。 在傅立叶变换的基函数为复正弦波曲线，从+∞到-∞，非紧支集（not compact）；不能有效地表示局部的、短暂的时变语音信号、图像信号、地震信号等。 (2）时频分析 为克服傅立叶时频分析相对独立性的缺陷， 在傅立叶变换中加上宽度较窄的“窗函数”，如Hanning窗、Gabor窗等。 随着时间窗的移动，频域出现的是这一窗内信号的频率分量， 傅立叶频域自然就带上了时间信息，形成了时间和频率的二维表示。 时频分析示例 （3）Gabor变换 可移动的窗函数g(t-τ)和信号f(t)相乘，得到加窗后信号的傅立叶频谱。 (6.7) 窗口函数g(t)有多种选择，如选高斯函数，则为 Gabor变换， 信号f(t)的Gabor变换实际上是f(t)g(t-τ)的傅立叶变换： (6.8) Gabor反变换： (6.9) 信号的Gabor变换： 实际上是f(t)中以τ为中心、宽度为2Δt 的局部时间内的频谱特性， 窗口宽度2Δt 决定了Gabor变换的时间分辨率； 窗口频宽2Δω决定了Gabor变换的频域分辨率。 Gabor变换特性: 通过窗函数可以反映信号在任意局部范围内的频域特性。 Gabor变换中： 信号的时间分辨率和频率分辨率，它是由窗口函数决定的， 一旦窗函数选定，其时窗宽度