小波分析课件适用于初学者.pptVIP

从而 我们得到如下的递推公式： (3.35) 通过公式(3.33)和(3.35)，可以很快计算出尺度系数和小波系数{cj,k,dj,k}，这就是著名的Mallat算法： 因此，只要确定VJ空间的初始序列{cJ,k}k?Z，就可以算出任意空间Vj(jJ)的所有尺度系数和小波系数。公式(3.33)和(3.35)称为离散小波变换的分解公式。 又由于?Vj+1=Vj?Wj， Vj?Wj，因此Vj上的标准正交基与Wj上的标准正交基是相互正交的。它们共同构成Vj+1上的标准正交基，则Vj+1上的函数{?j+1,n}j,n?Z可以由这两个基共同表示： 有前面的计算可知： 故 从而 这就是Mallat重构算法： 小波的应用[1,4,8,9] 小波的应用主要是信号的处理，其中最典型的应用是小波图象压缩。另外，小波在诸如信号去噪、特征提取等多方面均有成功的应用。下面以图象去噪为例说明小波应用策略。小波的各种应用均可分为以下三步： 1）对原始信号作小波变换，将信号由空域变换到频域； 2）对小波系数做相应处理； 3）对处理后的小波系数做小波逆变换，还原原信号。 小波信号去噪一 小波信号去噪二 图像融合 ?????? 小波图像去噪[8] 因为噪声信号多包含在具有较高频率的细节中，所以小波去噪首先对图像信号进行小波分解，可利用门限阈值对所分解的小波系数进行处理，然后对图像信号进行小波重构，抑制图像信号中的无用部分，恢复图像信号中的有用部分。具体步骤为： 图像信号的小波分解：选择合适的小波及恰当的分解层次N，对目标图像进行N层的小波分解； 对分解后的高频系数进行阈值量化：对于分解的每一层，选择恰当的阈值，对该层高频系数进行阈值量化处理； 重构图像：根据小波分解后的第N层近似的低频系数和经过阈值量化处理后的细节高频系数，重构图像。 (4) 将所选择的小波函数尺度伸缩一个单位，然后重复步骤(1)、(2)、(3)，如图所示； (5) 对所有的尺度伸缩重复步骤(1)、(2)、(3)、(4)。 尺度与频率的关系 尺度与频率的关系如下： 小尺度a ?压缩的小波?快速变换的细节?高频部分 大尺度a ?拉伸的小波?缓慢变换的粗部?低频部分 三、多分辨分析 由母小波按如下方式的伸缩平移可构成L2(R)空间的标准正交基 如何构造母小波呢？1989年，Mallat和Meyer提出了按多分辨分析的思想来构造母小波，其基本思想是： 现构造一个具有特定性质的层层嵌套的闭子空间序列{Vj}j?Z，这个闭子空间序列充满了整个L2(R)空间。 在V0子空间找一个函数g(t)，其平移{g(t-k)}k ?Z构成V0子空间的Riesz基。 对函数g(t)进行正交化，得到函数称为正交尺度函数?(t)。 由?(t)计算出小波函数?(t)。 1、多分辨分析(MRA)的概念[5] (3.1) Riesz基 定义 令H是Hilbert空间，H中的一个序列{gj}j?Z是Riesz基，如果它满足以下的条件： A和B分别称为Riesz基的上下界，Riesz基又称为稳定基。 (3.2) (3.3) 定义1 空间L2(R )中的多分辨分析是指L2(R )中的满足如下条件的一个子空间序列 多分辨空间的关系可用下图来形象地说明。 如果{g(t-k)}k?Z是V0的Riesz基，可通过正交化得到V0空间的函数?(t)?V0，使得{?(t-k)}k?Z 构成V0空间的规范正交基。由伸缩性和平移不变性可知， {?j,k(t)}j,k?Z构成Vj空间的一个规范正交基。 于是 (3.4) (3.5) 注意： ?(t)并不是L2(R )空间的小波函数，而是与其紧密相关的尺度函数，{?j,k(t)}j,k?Z称为尺度基，多分辨空间序列{Vj}j?Z称为尺度空间，在MRA意义下，可由尺度基导出小波基。 由MRA的单调性可以看出： Vj是Vj+1的严格子空间，设Wj是Vj关于Vj+1的正交补(子空间)，即 (3.6) 对于一幅图像，量化级数决定了图像的分辨率，量化级数越高，图像就越清晰，即图像的分辨率高。对于任意一幅图像，都可以用不同的量化空间来表示，细节比较丰富的部分用高分辨率来表示，细节比较单一的部分可用低分辨率来表示。 我们可以将不同的量化级数构成的空间看成不同的多分辨空间Vj，显然这些量化空间是相互嵌套的， (3.7) 从图像处理的角度，多分辨空间的分解可以理解为图像的分解，假设有一幅256级量化的图像，不妨将它看成量化空间Vj中的图像，则 可理解为Vj空间中的图像有一部分保留在Vj-1空间中，还有一部分放在Wj-1空间，如图所示。 与尺度函数的产