第8-1章小波与小波变换.pdfVIP

第 8 章 小波与小波变换 第 8 章小波与小波变换 小波分析 是近十几年才发展起来、 并迅速应用到图像处理和语音分析等众多领域的一种 数学工具。 它是继 110 多年前的傅立叶分析之后的一个重大突破 ，无论是对古老的自然学科 还是对新兴的高新技术应用学科都产生了强烈冲击。 小波分析已经广泛应用于数值分析、曲线曲面构造、微分方程求解、信号处理（滤波、 去噪、压缩、传递） 、图像处理、量子场论、理论物理、地震勘测、语音识别与合成、音乐、 雷达、 CT 成像、彩色复印、流体湍流、天体识别、机器视觉、机械故障诊断、监控、分形、 数字电视等领域。 小波在图像处理中可以用到图像恢复（去噪） 、图像增强、图像分割、图像检索、图像 配准、图像重建等领域。 MATLAB 提供了小波专用工具箱和工具箱的 GUI 图形用户界面，使得小波应用更加方 便。GUI 包括一维小波分析工具类、二维小波分析工具类、 显示工具类、特殊小波工具集和 扩展工具集。 小波理论是应用数学的一个新领域。要深入理解小波理论需要用到比较多的数学知识。 本章企图从工程应用角度出发， 用比较直观的方法来介绍小波变换和它的应用， 为读者深人 研究小波理论和应用提供一些背景材料。 小波课堂演示程序说明： 1． T21_FFT_sine.m 傅立叶变换 2． T22_FFT_square.m 傅立叶级数 3． T9_wavelet5.m 小波分解高低频 4 ． T9_wavelet6.m 小波时频分析 5． T9_wavelet812.m 小波图像压缩 8．1 小波介绍 8．1．1 小波简史 傅立叶理论指出， 一个信号可表示成一系列 正弦 和 余弦 函数之和，叫做傅立叶展开式。 用傅立叶展开式表示一个信号时， 只有频率分辨率而没有时间分辨率， 这就意味我们可以确 定信号中包含的所有 频率， 但不能确定具有这些频率的信号出现在什么 时候。为了继承傅立 叶分析的优点，同时又克服它的缺点，人们一直在寻找新的方法。 傅立叶变换示意图 时间域 频率域 f(t) F(f) 富氏变换 t f 第 8 章 小波与小波变换 从 ω轴看过去，看到的是时域信号，例如交响乐的音频信号。 从 t 轴看过去，看到的是频域信号，包含小提琴的高音和大提琴的低音。 时域与频域的变换的桥梁是傅立叶变换。 红绿 兰 B ω 白光 从 ω轴看过去，看到的是白光，例如太阳光、电视机、计算机显示器， 从 B 轴看过去，看到的是可见光谱，红橙黄绿青兰紫， 白光通过棱镜，由于折射率不同，分解出红橙黄绿青兰紫。 “FOURIER 分析和小波分析在信号时频分析中的特性比较 ”刘海青，傅立叶的缺点表 现在图 1 中第一个信号是两个频率的叠加， 第二个信号是两个频率的接续， 不同的时域信号 对应相同的频谱， 傅立叶变换结果不能区分两种不同的情况。 因为傅立叶只能给出频谱信息， 而没有时间信息。 第 8 章 小波