小波变换基本方法资料讲解.pptVIP

小波变换(biànhuàn) 小波变换既有频率分析的性质，又能表示发生的时间，有利于分析确定时间发生的现象，傅立叶变换只具有(jùyǒu)频率分析的性质。 小波变换的多分辨率的变换，有利于各分辨度不同特征的提取（图像压缩、边缘抽取、噪声过滤）。 小波变换一个信号为一个小波级数，这样一个信号可由小波系数来刻画。 小波变换速度比傅立叶快一个数量级，长度为M的信号，计算复杂度： 傅立叶变换(biànhuàn)： 小波变换： 第一页，共29页。 设有信号(xìnhào)f(t): 其傅里叶变换(biànhuàn)为F(jΩ): 即： 第二页，共29页。 = + + Ψ（t） 1/2Ψ（2t-t0） 2/3Ψ（4t-t1） 第三页，共29页。 像Ψ(t)这样，有限(yǒuxiàn)长且均值为0的函数称为小波函数。 常用的小波函数如下图： 第四页，共29页。 小波函数(hánshù)必须满足以下两个条件的函数(hánshù)： 小波必须是振荡的； 小波的振幅只能在一个很短的一段区间上非零，即是局部化的。如： 图1 小波例1 图2 小波例2 第五页，共29页。 不是(bù shi)小波的例子 图4 图3 第六页，共29页。 平均(píngjūn)与细节 设一维信号{x1，x2} 平均 细节 则一维信号可以表示(biǎoshì)成{a，d},且原信号可以恢复如下： 当x1与x2非常接近时，一维信号{x1，x2}可近似的用{a}表示(biǎoshì)，可实现信号压缩。 a可以看成信号的整体信息 d可看成原信号用a表示(biǎoshì)时丢失的细节信息 第七页，共29页。 平均(píngjūn)与细节 对多元素(yuán sù)信号{x1，x2，x3，x4} 信号可以(kěyǐ)表示为：{a1,0,a1,1,d1,0,d1,1} 丢失细节信号压缩为： {a1,0,a1,1} 信号可进一步表示为：{a0,0, d0,0} 丢失细节信号压缩为： {a0,0} 第八页，共29页。 平均(píngjūn)与细节 {x1，x2，x3，x4}－最高分辨率信息 {a1,0,a1,1}－次高分辨率低频(dīpín)信息 {d1,0,d1,1}－次高分辨率细节信息 {a0,0}－最低分辨率低频(dīpín)信息 {d0,0}－最低分辨率细节信息 {x1，x2，x3，x4}的小波变换{a0,0,d0,0,d1,0,d1,1}由整体平均和两个不同(bù tónɡ)分辨率的细节信息构成 第九页，共29页。 金字塔算法(suàn fǎ) 一维信号(xìnhào){3,1,-2,4}的小波变换为{1.5,0.5,1,-3} {1.5}：最低分辨率低频(dīpín)信息 {0.5}：最低分辨率细节信息 {2,1}：次高分辨率低频(dīpín)信息 {1,-3}：次高分辨率细节信息 {3,1,-2,4}：最高分辨率信息 第十页，共29页。 尺度(chǐdù)函数与小波函数 信号序列{x1，x2，x3，x4}看成单位(dānwèi)区间上的一个函数 平移(pínɡ yí) 伸缩 第十一页，共29页。 引入记号(jì hɑo)： 定义(dìngyì)： 可得： 第十二页，共29页。 其它(qítā) 其它(qítā) 函数可以(kěyǐ)由一个尺度函数的伸缩与平移的线性组合表示 第十三页，共29页。 同理，对小波变换(biànhuàn) 其它(qítā) 伸缩(shēn suō)和平移 第十四页，共29页。 序列(xùliè)的多分辨率表示： 第十五页，共29页。 1.1 一维小波变换(biànhuàn)（一维多尺度分析） 设有L2(R )空间的子空间序列： Vj 的正交基函数是由一个称为尺度函数的函数?(x)经伸缩(shēn suō)平移得到的 设Wj 是Vj 相对于Vj+1的正交补空间， Wj 的正交基函数是由一个称为小波函数的函数?(x)经伸缩(shēn suō)平移得到的 第十六页，共29页。 构成(gòuchéng)Vj+1的正交基。 满足下列(xiàliè)关系式(二尺度方程)： 第十七页，共29页。 信号(xìnhào)的多尺度分解： 第十八页，共29页。 1.2 二维小波变换（二维多尺度分析(fēnxī)） 二维小波变换是由一维小波变换扩展而来的，二维尺度函数和二维小波函数可由一维尺度函数和小波函数张量积得到，即： 图像的二维小波变换包括沿行向(水平方向(fāngxiàng