文档介绍:第7章_小波变换
第一页,共35页。
第二页,共35页。
用哈尔基函数的离散小波变换
第三页,共35页。
小波变换的理论基础
传统的傅立叶变换(FT):提供了有关频率域的信息,avelet Decomposition Tree)
第十九页,共35页。
小波分解下采样示意图
第二十页,共35页。
3. 小波重构(Wavelet Reconstruction)
将信号的小波分解的分量进行处理后,一般还要根据需要把信号恢复出来,也就是利用信号的小波分解的系数还原出原始信号,这一过程称为小波重构(Wavelet Reconstruction)或叫做小波合成(Wavelet Synthesis)。这一合成过程的数学运算叫做逆离散小波变换(Inverse Discrete Wavelet Transform, IDWT)。
第二十一页,共35页。
小波重构算法示意图
第二十二页,共35页。
1)重构近似信号与细节信号
由小波分解的近似系数和细节系数可以重构出原始信号。同样,可由近似系数和细节系数分别重构出信号的近似值或细节值,这时只要近似系数或细节系数置为零即可。
重构近似和细节信号示意
(a)重构近似信号; (b) 重构细节信号
第二十三页,共35页。
2)多层重构
重构出信号的近似值A1与细节值D1之后,则原信号可用A1+D1=S重构出来。对应于信号的多层小波分解,小波的多层重构如图所示。重构过程为:A3+D3=A2;A2+D2=A1;A1+D1=S。 信号重构中,滤波器的选择非常重要,关系到能否重构出满意的原始信号。低通分解滤波器(L)和高通分解滤波器(H)及重构滤波器组(L′和H′)构成一个系统, 这个系统称为正交镜像滤波器(Quadrature Mirror Filters, QMF)系统。
第二十四页,共35页。
多层小波重构示意图
第二十五页,共35页。
多层小波分解和重构示意图
第二十六页,共35页。
4. 小波包分析(Wavelet Packet )
而小波包分析的细节与近似部分一样,也可以分解,对于N层分解,它产生2N个不同的途径。
小波包分解示意图
第二十七页,共35页。
小波包分解也可得到一个分解树, 称其为小波包分解树(Wavelet Packet Decomposition Tree), 这种树是一个完整的二叉树。小波包分解方法是小波分解的一般化, 可为信号分析提供更丰富和更详细的信息。信号S可表示为AA2+ADA3+DDA3+D1等。
第二十八页,共35页。
5. 二维离散小波变换
二维离散小波变换是一维离散小波变换的推广, 其实质上是将二维信号在不同尺度上的分解, 得到原始信号的近似值和细节值。由于信号是二维的,因此分解也是二维的。分解的结果为: 近似分量cA、 水平细节分量cH、 垂直细节分量cV和对角细节分量cD。
第二十九页,共35页。
第三十页,共35页。
二维小波分解和重构过程示意图
(a) 二维DWT; (b) 二维IDWT
(
b
)
Lo_R
2↑1
Lo_R
1↑2
Hi_R
1↑2
行
列
列
cA
j
+1
cH
j
+1
Hi_R
2↑1
Lo_R
1↑2
Hi_R
1↑2
行
列
列
cV
j
+1
cD
j
+1
cA
j
wkeep
a
Lo_D
2↓1
Lo_D
1↓2
Hi_D
1↓2
行
列
列
cA
j
+1
cH
j
+1
Hi_D
2↓1
Lo_D
1↓2
Hi_D
1↓2
行
列
列
cV
j
+1
cD
j
+1
cA
j
(
)
第三十一页,共35页。
离散小波变换在图像处理中的应用简介
对静态二维数字图像,可先对其进行若干次二维DWT变换, 将图像信息分解为高频成分H、V和D和低频成分A。对低频部分A,由于它对压缩的结果影响很大,因此可采用无损编码方法, 如Huffman等;对H、V和D部分,可对不同的层次采用不同策略的向量量化编码方法,这样便可大大减少数据量,而图像的解码过程刚好相反。整个编码、解码流程