小波包在图像处理中的应用.docVIP

PAGE PAGE 17 摘要： 小波变换用于图像处理是小波变换的应用效果比较突出的领域之一，由于图像是二维信号，因此对二维小波理论与应用的研究就具有非常重要的现实意义。本文是本人在认真学习一维小波理论的基础之上，把一维小波理论推广到二维小波理论并给出相应的公式和算法，例如：二维小波变换、二维多分辨分析、二维小波包算法，数字图像小波变换的矩阵算法等；并在一些细节上进行了改进，例如：二维小波与一维小波的不同点在于在进行尺度伸缩的同时还要进行坐标旋转，因此要引进旋转因子等；同时简述叙述了小波的应用，例如：图像数据的压缩、噪声的滤除。读者通过阅读此文，能对二维小波理论有初步的了解，有利于今后更进一步的研究和分析；利用已经推导出来的二维小波公式和算法可以便于应用和计算；了解小波在图像数据压缩和噪声滤除上的应用。 关键字：二维小波、二维小波包、图像数据压缩、噪声滤除 引言： 小波分析是20世纪80年代后期形成的一个新兴的数学分支。它在傅立叶分析的基础上发展起来的，但小波分析与傅立叶分析存在极大的不同。从微观上看，小波变换与傅立叶变换的根本区别是由小波和正旋波的不同局部化性质产生的，从宏观上看，傅立叶分析是整体与分析，用单独的时域表示信号的特征；而小波是局部化时频分析，它用时域和频域的联合表征信号的特征。作为时频分析方法，小波分析比傅立叶分析有着许多本质性的进步。他能够从信号中提取许多有用的信息，是各种信号处理方法（如时频分析、多尺度分析和子带编码）的统一处理框架，它的快速算法为分析和解决实际问题带来极大的方便。 小波变换誉为分析信号的数学显微镜。 在小波理论的发展过程中，发现它与工程技术上的一些已经发展起来的问题密切相关。它们都可以利用小波变换作为理论基础，看成是从不同角度应用小波所得到的特例。例如Gabor在1946年提出的Gabor变换，Burt在1982年提出的金字塔图像压缩编码概念，通信及语言处理中的子带编码（subband coding），数字信号处理中的多采样率滤波组（multirate sampling filter bank），计算机视觉中的多分辨分析等。这些工程应用领域大大丰富了小波变换的实用意义，也促使了小波分析理论的进一步发展。 小波变换已由一维推广到多维。二维情况下它除了“显微”能力为还具有“极化”能力（即方向选择性），因而引人注意。他在图像数据压缩方面的潜力已经得到确认。目前在语音、通信、图像、雷达、水声、地震、生物医学、机械振动、化工、湍流分析等领域都有应用，是多学科关注的热点，是信号处理的前沿课题。。 二、二维小波变换 2.1 一维小波变换 首先我们先来回顾一维小波变换的定义和性质： 函数空间，它是定义在整个实数轴上的满足要求 的可测函数的全体组成的集合。 小波函数空间中满足容许性条件的一个函数或信号 由小波母函数生成的依赖参数的连续小波函数，简称小波 对任意函数或信号，其小波变换定义为 小波变换的反演公式 2.2 二维小波变换 从定义上初步地看，连续二维小波变换可以如下加以推广： 函数空间，满足要求 令表示一个二维信号，分别是其横坐标与纵坐标；代表二维母小波。则二维连续小波变换可定义如下：令表示的尺度伸缩和二维位移， 则 反演小波变换是 一维小波变换本质上是函数或信号在点处附近按进行加权的平均，体现的是以为标准的快慢的的变化情况，参数表示分析的时间中心或时间点，参数体现的是以为中心的附近范围大小，在一条线上进行伸缩和移位。二维小波较一维情况更复杂之处在于：由一条直线变为一个平面，在尺度伸缩的同时还可以进行坐标旋转。因此引入矩阵的旋转变换[1] 史荣昌，魏丰，矩阵分析，北京理工大学出版社，124-128，2005。，为旋转因子， [1] 史荣昌，魏丰，矩阵分析，北京理工大学出版社，124-128，2005。 尺度因子可以改写成矩阵表示 因此更一般性的表示是： 式中。 具有旋转能力的小波变换，其优点是：作为“数学显微镜”，它不但有放大能力而且有“极化”性质，可以选择最佳“偏振”方向进行分析。[2] 杨福生，小波变换的工程分析与应用，科学出版社，112-144，1999。 [2] 杨福生，小波变换的工程分析与应用，科学出版社，112-144，1999。 二维信号经变换后变成四个变量的函数，因此信息必有冗余。为了减少信息冗余，同一维情况一样，可以只在构成的多维空间中的离散栅格上进行变换。但与一维情况相比，二维情况下离散栅格含义更复杂些。首先把具有旋转能力的尺度因子记作： 式中各都取整数（因此未必能表示成旋转矩阵的形式）。故有： 再把和都加以离散化： 式中是取定的非奇异矩阵，，是离散化位移序号（设位移间距）。于是便得到离散栅格上二维小波变换的定义：