小波变换与多分辨率分析报告.pptVIP

5.2 多分辨率展开 小波函数 给定尺度函数，则小波函数 所在的空间跨越了相邻两尺度子空间Vj和Vj+1的差异。令相邻两尺度子空间Vj和Vj+1的差异子空间为Wj，则下图表明了Wj与Vj和Vj+1间的关系。 尺度及小波函数空间的关系 5.2 多分辨率展开 5.2 多分辨率展开 因为小波空间存在于由相邻较高分辨率尺度函数跨越的空间中，任何小波函数可以表示成尺度函数： 哈尔尺度函数系数： 哈尔小波函数系数： 5.3 一维小波变换 一维离散小波变换（DWT） 计算一维离散小波变换 考虑四点的离散函数：f(0)=1,f(1)=4,f(2)=-3,f(3)=0。因为M=4,J=2且由于j0=0,对x=0,1,2,3,j=0,1求和。将使用哈尔尺度函数和小波函数，并假定f(x)的4个采样值分布在基函数的支撑区上，基函数的值为1. 计算一维离散小波变换 重构原始函数 5.3 一维小波变换 一维离散小波变换（DWT） Morlet 小波 5.3 一维小波变换 一维离散小波变换（DWT） Mexihat小波 5.3 一维小波变换 快速小波变换 FWT找到了相邻尺度系数间的一种令人惊喜的关系。 称为Mallat人字形算法，类似于两段子带编码。 5.4 二维离散小波变换 对于M×N 的离散函数f(x,y)的离散小波变换对为： 二维快速小波变换 5.4 二维离散小波变换 5.4 二维离散小波变换 基于小波变换的图像处理 计算一幅图像的二维小波变换 修改变换 计算反变换 基于小波的边缘提取 基于小波的噪声去除 2尺度，全局门限94.9093 最高分辨率细节系数置零 所有细节置零 5.5 小波分析在图像处理中的应用 小波的特点： a）能量集中 b）易于控制各子带噪声 c）与人类视觉系统相吻合的对数特征。 d）突变信号检测中：由于分辨率随频率的不同而变化的 特点，能准确定位信号的上升沿和下降沿。 知识回顾Knowledge Review 知识回顾Knowledge Review * * 小波 1) 从分辨率看，小波很好地解决了时间与频率分辨率的矛盾，它巧妙的利用了非均匀分布的分辨率，在低频段用高的频率分辨率和低的时间分辨率，而在高频段则采用低的频率分辨率和高的时间分辨率。即子波分析的窗宽是可变的，在高频时用短窗口，而在低频时，则使用宽窗口。 2) 小波并不一定要求是正交的，其时宽频宽乘积很小，因而展开系数的能量较为集中。 子波变换的基本思想：是用一族函数去表示或逼进一信号或函数，这族函数称为子波函数集，它通过一基本子波函数的不同尺度的平移和伸缩组成，它的特点是时宽频宽乘积很小，且在时间和频率轴上都很集中。 * 窗口傅里叶，用一个窗口去乘所研究的函数，然后进行傅里叶变换。但引入的这种变换窗口的尺寸和形状与频率无关而且是固定不变的。这与高频信号的分辨率应比低频信号高，因而与频率升高应当窗口减小这一要求不符，为此未能得到广泛的应用与发展 * 小波变换和多分辨率处理 北京化工大学 W.X.J 小波变换使得图像压缩、传输和分析变得更快捷！ 傅里叶变换与小波变换 傅里叶变换的基础函数是正弦函数。 小波变换基于一些小型波，称为小波，具有变化的频率和有限的持续时间。 傅里叶变换与小波变换 频域分析具有很好的局部性，但空间域上没有局部化功能。傅里叶变换反映的是图像的整体特征。 一个乐谱，不光阐明了要演奏的音符（或频率），而且阐明了何时要演奏。而傅里叶变换，只提供了音符或频率信息，局部信息在变换过程中丢失了。 与Fourier变换相比，小波变换是空间(时间)和频率的局部变换，它通过伸缩平移运算对信号逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节。 5.1 背景 为什么需要多分辨率分析？ 如果物体的尺寸很小或对比度不高 ?高分辨率 如果物体尺寸很大获对比度很强 ? 低分辨率 通常物体尺寸有大有小，或对比有强有弱同时存在 5.1.1 图像金字塔 一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低的图像集合 一个金字塔图像结构 金字塔的底部是待处理图像 的高分辨率表示，而顶部是 低分辨率近似。当向金字塔 的上层移动时，尺寸和分辨 率就降低。 5.1.1 图像金字塔 高斯和拉普拉斯金字塔编码 首先对图像用5*5的高斯模板作低通滤波，滤波后的结果从原图像中减去，图像中的高频细节则保留在差值图像里；然后，对低通滤波后的图像进行间隔采样，细节并不会因此而丢失 高斯和拉普拉斯金字塔编码 拉普拉斯金字塔编码策略 5.1.1 图像金字塔 5.1.1 图像金字塔 高斯和