有关数学基础.pptVIP

实例2去噪实例图像受白噪声干扰的原理如图所示，对于一幅不受白噪声干扰的图像，假设其频谱为图(a)所示的形式，其中横坐标为频率，纵坐标为幅值，对应低频部分幅值较高，高频部分幅值较低。对于高斯白噪声，其频谱如图(b)所示，其幅值是一个常数，那么当原始图像受到白噪声干扰时，它的频谱将变成(c)中的形式。要去除图像中的白噪声，在频域中减去白噪声的幅值即可。理想的方法：知道白噪声的模型，一般情况下很难遇到。在未知噪声幅值的情况下，可以先对噪声图像求频谱，并计算频谱幅值的平均值，用该平均值作为噪声的近似幅值，就可以对图像去噪。2.6快速付氏变换FFT（略）2.7其它常用变换（离散余弦、哈达码变换）1、离散余弦变换（DCT）[P]=[WNN][Q][WNN]欧拉展开：为简化变换核（FFT为复数变换），只取实部则为离散余弦变换（去相关次最佳），只取（-1和1）则为哈达码变换。对于注意：当f(m,n)为实对称时，后面sin项为零，只余cos项。一般f(m,n)不对称可拼为对称，四幅N×N拼成2N×2N为实对称；沿图f(m,n)的水平、垂直二边界拼接四幅图，就成右图的2N×2N图片。有：四幅拼合对称点在(-1/2,-1/2)之处有：详细推导见书全图共N2项，实际操作中，卷积核可事先算好，用LUT实现。DCT变换矩阵可写如下：另：奇数点的DCT变换见有关书。2、哈达码变换[P]，[Q]可以为其它函数，最常用为HardamardTransform。用方波，而不用正弦，只用加减不用乘除，简单、容易用硬件实现，软件模拟时可以方便地由计算机产生，不需预先存储起来，缺点：去相关能力差。2×2的哈达码阵为：对称，正交H=H’=H-1高阶哈达码矩阵可由下法构成：（见CastlemanP171页付氏变换）

小结：FFT——DCT—哈达码[F]=H[f]H复数域实数整数[f]=H[F]H2.8K-L变换（Karhunen-Loeve变换，Hotelling,特征矢量，主分量）[把连续信号用一组不相关的系数表示，是由karhunenLoeve提出，Hotelling则提出离散信号的不相关系数表示法，习惯上不论对连续或离散信号这种去相关变换，统称为karhuner-Loeve(K-L)变换或Hotelling变换，也有叫特征矢量变换或主成份分解的。Hotelling变换是从图象的统计性质出发实现变换。它在数据压缩、图象旋转、遥感多光谱图象的特征选择和统计识别等中很有用。]castlemanP454彩色：3个波段R、G、B遥感多：128个波段?数据太多，能不能通过某种形式，保留主要的，弃掉次要的。下面讨论：一个随机图象N×N矢量，多光谱每个象素可看作一个矢量。（F是N×N阶）写成矢量是N2×1维的，即：（矢量中各个分量都是随机分量）矢量均值为：协方差矩阵：相关矩阵[一般情况下，自协方差矩阵是对称的，对角线上的阵元反映矢量各个分量的方差，而非对角线上各阵元反映矢量的各个分量间的互方差]，

注意到图象都是实数，协方差矩阵都是实对称方阵，存在完备特征矢量体系（特征空间）特征矩阵：A=[a1a2…aQ]对非零aiaj如正交，则有：atiaj=1i=j=0i不等于j(主分量变换矩阵，与原图象有关，去相关性最好的变换)如对做K-L变换得：…………(1)则矢量的均值和协方差矩阵为：[Σg为对角阵，表示经K-L变换得到的已去相关性，即已删除了它的冗余度，这时的各分量方差和为：由（1）将λ由大到小排列：λ1〉λ2〉λ3〉…〉λQ保留前面m项，舍去m+1～Q项，用对应的m个矢量ai构成矩阵Am，其余（Q-m）个的分量只用它们对应均值