多小波变换的矩阵形式.pptVIP

{PAGE} 因此, 若m是变换次数，A是一维变换矩阵，p是预滤波方法，T是m次变换时的置换矩阵，则运算T*A*p*x*p’*A’*T’就是对二维信号x做m次2维多小波变换, 若设B=T*A*p, 则可知经过m次变换后的小波系数矩阵为y=B*x*B’。下面是对16X16的信号x=(x[i,j])=(i+j)做1次小波变换的例子。此程序先使用ghm小波对x做1次变换，然后对x使用ghm小波，应用我们提出的方法做1次变换，并对2种变换结果相减后取绝对值 。从x4的结果几乎为零可看出，2种计算方法是等价的。 %程序名：mdwt_test8.m n=16;for i=1:n for j=1:n x(i,j)=i+j; end; end; x1=prep2D_appe(x,ghmap);x2=dec2D_pe(x1,ghm,1); [p,q]=pmatrix(n,ghmap);[L1,H1]=mdwt_matrix(n,ghm); A=[L1;H1];x3=smatrix(n,1)*A*p*x*p*A*smatrix(n,1)’; x4=x3-x2; sum(sum(abs(x4))) mdwt_test8 ans = 7.6014e-013 上面的程序mdwt_test8.m中的x有对称性，并且x是16X16的尺寸太小，与实际应用的尺寸有差别，现在我们将上面的程序中的x改动一下，使用rand函数，生成一个512X512大小的信号x, 其它与上面的程序相同，注意，rand(‘seed’,10000)是固定生成随机序列的初值，使得程序能够生成固定的随机序列。另外，程序比较了我们的算法与MWMP算法的计算速度（单位是秒），我们的算法比MWMP算法快1倍以上。 %程序名：mdwt_test11.m n=512;rand(seed,10000);x=rand(n,n);t0=cputime; x1=prep2D_appe(x,ghmap);x2=dec2D_pe(x1,ghm,1); t1=cputime-t0; t2=cputime; [p,q]=pmatrix(n,ghmap);[L1,H1]=mdwt_matrix(n,ghm); A=[L1;H1];x3=smatrix(n,1)*A*p*x*p*A*smatrix(n,1); t3=cputime-t2; x4=x3-x2; sum(sum(abs(x4))) fprintf(我们程序用时:%4.4f, MWMP用时:%4.4f\n, t3, t1); mdwt_test11 ans = 3.0715e-011 我们程序用时:3.1560, MWMP用时:6.8910 我们提出的算法速度快于MWMP方法，但是，由于两种算法计算公式不一样，因此，当进行多次分解时，两种算法的计算结果，在各个子带的边界附近，有可能相同位置的小波系数不相等。 n=16; for i=1:n for j=1:n x(i,j)=i+j; end; end; x1=prep2D_appe(x,clap);x2=dec2D_pe(x1,cl,2); [p,q]=pmatrix(n,clap);[L1,H1]=mdwt_matrix(n,cl); [L2,H2]=mdwt_matrix(n/2,cl);A=[L2*L1;H2*L1;H1]; T=smatrix(n,2);x3=T*A*p*x*p*A*T; x4=x3-x2; s=sum(sum(abs(x4))); fprintf(MWMP方法与我们方法的差的绝对值之和为:%2.4f\n,s); mdwt_test10 MWMP方法与我们方法的差的绝对值之和为:67.8823 那么，我们所提出的这种算法，在计算结果上，与MWMP软件包的计算结果是完全一致的吗？下面来看一段程序，程序名是mdwt_test10.m, 此程序使用CL2小波计算，对x=(x[i,j])=(i+j),先用MWMP软件做了2次小波变换，然后又用我们的方法做了2次小波变换，最后计算了两个结果的差的绝对值之和。 此时，这两种算法并不完全一样，为什么？个人认为，这是由于我们的方法不进行边界延拓，而MWMP在边界上自动进行周期延拓，因而在边界附近，结果不相同。 由于小波变换是一个全局变换，由于边界的延拓值在逐次变换过程中的传递性，有时候，可能我们的方法与MWMP方法的小波变换系数，相差会更多，或者这在2种不同变换结果在相同位置上，可能有更多的系数不相等, 或者相同位置上的小波系数，两种算法的计算结果相差较大的值。例如下面的mdwt_test12.m程序，就有这样的特点。 %程序名：mdwt_test12.m n=32;rand(seed,10000);x=rand(n,