图像变换2离散余弦变换.pptVIP

图像协方差矩阵*假设对某幅N×N的图像f(x,y)，在某个传输通道上传输了M次，因会受到各种因素的随机干扰，接收到是一个图像集合将M次传送的图像集合写成M个N2维向量{X1,X2,…Xi,…XM},生成向量的方法可以采用行堆叠或列堆叠的方法，对第i次获得的图像fi(x,y)，可用N2维向量Xi表示：问题是：如何选取一个合适的正交变换A，使得变换后的图像Y=AX是具有MN2个分量的向量由Y经反变换而恢复的(向量X的估值)和原始图像具有最小的均方误差，即称满足这两个条件的正交变换A为K-L变换。如果能找到这样一个变换，那么就意味着经过一个变换，不仅删除了N2-M个分量，并且由变换结果Y重新恢复的图像是有效的过滤了随机干扰的原图像的最佳逼近。X向量的协方差矩阵CX定义为设ei和λi是协方差矩阵CX对应的特征向量和特征值，将特征值按减序排列，即则K-L变换核矩阵A的行用CX的特征值λi所对应的特征向量ei构成：直接求矩阵CX的特征值和特征向量很困难。这是因为CX是N2×N2维矩阵，尽管图像的大小N可能不是很大的，但N2却是很大的数据。这样求其特征向量和特征值速度较慢。但如果样本图象个数M不太多，可以先计算出M×M维方阵L＝ATA的特征值μk和特征向量vk是矩阵CX的特征向量因为CX是实对称矩阵，总能找到一个标准正交的特征向量集合，使A-1=AT，那么可得K-L反变换为左乘矩阵A，则有可以选择P(P≤M)个较大特征值对应的特征向量（主成分），构造新的P维主成分空间Q12345K-L变换的性质和特点*（1）Y的平均值向量my＝0，即为零向量0（2）Y向量的协方差（3）对角性*对角线上的元素是原始图像向量的协方差矩阵CX对应的特征值λi，它也是Y向量的方差。而非对角线上的元素值为0，说明Y向量中各元素之间相关性小，而CX的非对角线上元素不为0，说明原始图像元素之间相关性强，这就是采用K-L变换进行编码，数据压缩比大的原因显然K-L坐标系将矩阵CX对角化了，换句话说，通过K-L变换，消除了原有向量X的各分量之间的相关性，从而可能去掉那些带有较少信息的坐标轴，以达到降低特征空间维数的目的。*3.2离散余弦变换图像处理中常用的正交变换除了傅里叶变换外，还有其他一些有用的正交变换。其中离散余弦就是一种。离散余弦变换表示为DCT。*3.2.1离散余弦变换的定义一维离散余弦变换的定义由下式表示(3—74)(3—75)式中是第个余弦变换系数，是广义频率变量，；是时域N点序列，一维离散余弦反变换由下式表示(3—76)显然，式(3—74)式(3—75)和式(3—76)构成了一维离散余弦变换对。二维离散余弦变换的定义由下式表示(3—77)0102式(3—77)是正变换公式。其中是空间域二维向量之元素。，是变换系数阵列之元素。式中表示的阵列为N×N二维离散余弦反变换由下式表示(3—78)0102余弦变换与傅里叶变换有什么关系？(3—79)式中的符号意义同正变换式一样。式(3—77)和式(3—78)是离散余弦变换的解析式定义。更为简洁的定义方法是采用矩阵式定义。如果令N＝4，那么由一维解析式定义可得如下展开式写成矩阵式01(3—80)02若定义为变换矩阵，为变换系数矩阵，为时域数据矩阵，则一维离散余弦变换的矩阵定义式可写成如下形式03(3—81)04ABC(3—82)写成矩阵式同理，可得到反变换展开式即(3—84)当然，二维离散余弦变换也可以写成矩阵式(3—85)式中是空间数据阵列，是变换系数阵列，是变换矩阵，是的转置。离散余弦变换的正交性它的基向量是由一维DCT的定义可知(3—86)(3—87)02在高等数学中，切比雪夫多项式的定义为01式中是和的多项式。它的第N个多项式为01如果02那么03将此式代入04显然，这与一维DCT的基向量是一致的。因为切比雪夫多项式是正交的，所以DCT也是正交的。另外，离散余弦变换的正交性也可以通过实例看出。如前所示，当N＝４时，(3—88)则321