小波变换及其在图像处理中的应用研究毕业论文Word文档下载推荐.docx
- 文档编号:12981448
- 上传时间:2022-10-01
- 格式:DOCX
- 页数:62
- 大小:2.19MB
小波变换及其在图像处理中的应用研究毕业论文Word文档下载推荐.docx
《小波变换及其在图像处理中的应用研究毕业论文Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《小波变换及其在图像处理中的应用研究毕业论文Word文档下载推荐.docx(62页珍藏版)》请在冰豆网上搜索。
2.1.3
小波变换
2.2
连续小波变换
2.2.1一维连续小波变换
2.2.2
高维连续小波变换
2.3
离散小波变换
2.4
小波包分析
2.4.1
小波包的定义
2.4.2
小波包的性质
2.4.3
小波包的空间分解
2.4.4
小波包算法
3
几种常用的小波
4
小波变换在图像处理中的应用
4.1
小波分析用于图像压缩
4.1.1
基于小波变换的图像局部压缩
4.1.2
小波变换用于图像压缩的一般方法
4.1.2.1
利用二维小波分析进行图像压缩
4.1.2.2
二维信号压缩中的阈值的确定与作用命令
4.1.3
基于小波包变换的图像压缩
4.2
小波分析用于图像去噪
4.3
小波分析用于图像增强
4.3.1
图像增强问题描述
4.3.2
图像钝化
4.3.3
图像锐化
4.4
小波分析用于图像融合
4.5
小波分析用于图像分解
5
全文总结
致
谢
参考文献
附录
小波分析在图像处理中有非常重要的应用,包括图像压缩,图像去噪,图像融合,图像分解,图像增强等。
小波分析是傅立叶分析思想方法的发展与延拓。
除了连续小波(CWT)、离散小波(DWT),还有小波包(WaveletPacket)和多维小波。
二维小波分析用于图像压缩是小波分析应用的一个重要方面。
小波分析用于图像压缩具有明显的优点。
基于小波分析的图像压缩方法很多,比较成功的有小波包、小波变换零树压缩、小波变换矢量量化压缩等。
小波变换用的不是时间-频率域,而是时间-尺度域。
因此,寻找具有唯一对偶小波的合适小波也就成为小波分析中最基本的问题。
小波分析之所以在信号处理中有着强大的功能,是基于其分离信息的思想,分离到各个小波域的信息除了与其他小波域的关联,使得处理的时候更为灵活。
关键词:
小波分析图像压缩图像去噪图像增强
Wavelet
analyze
isvery
importantin
digitalimageprocessing,includingthe
imagecompression,
theimagegoeschirp,
imagefusion,imagedissection,imageenhancementetc..
is
developmentandtheanalyticcontinuation
oftheFourier
.BesidesContinuously
(CWT),dispersedwavelet
(DWT),WaveletPacketandwavelet
ofmultidimension.Two-dimentionalwavelet
analyze,usedin
imagecompressionisaimportantaspect
of
waveletanalysisapplication.
isveryuseful
inpicturecompression.
Therearemany
methods
basedonthewaveletanalysisimagecompression
wavelet
packet,thewaveletcompressionandsoon.
Thereasonthat
the
waveletanalysishastheformidablefunctioninthesignalprocessingisits
thought
separationinformation.
Keywords:
Imagecompression
Imagefusion
Imageenhancement Two-dimentionalWavelet
小波分析是近15年来发展起来的一种新的时频分析方法。
其典型应用包括齿轮变速控制,起重机的非正常噪声,自动目标所顶,物理中的间断现象等。
而频域分析的着眼点在于区分突发信号和稳定信号以及定量分析其能量,典型应用包括细胞膜的识别,金属表面的探伤,金融学中快变量的检测,INTERNET的流量控制等。
从以上的信号分析的典型应用可以看出,时频分析应用非常广泛,涵盖了物理学,工程技术,生物科学,经济学等众多领域,而且在很多情况下单单分析其时域或频域的性质是不够的,比如在电力监测系统中,即要监控稳定信号的成分,又要准确定位故障信号。
这就需要引入新的时频分析方法,小波分析正是由于这类需求发展起来的。
在传统的傅立叶分析中,信号完全是在频域展开的,不包含任何时频的信息,这对于某些应用来说是很恰当的,因为信号的频率的信息对其是非常重要的。
但其丢弃的时域信息可能对某些应用同样非常重要,所以人们对傅立叶分析进行了推广,提出了很多能表征时域和频域信息的信号分析方法,如短时傅立叶变换,Gabor变换,时频分析,小波变换等。
其中短时傅立叶变换是在傅立叶分析基础上引入时域信息的最初尝试,其基本假定在于在一定的时间窗内信号是平稳的,那么通过分割时间窗,在每个时间窗内把信号展开到频域就可以获得局部的频域信息,但是它的时域区分度只能依赖于大小不变的时间窗,对某些瞬态信号来说还是粒度太大。
换言之,短时傅立叶分析只能在一个分辨率上进行。
所以对很多应用来说不够精确,存在很大的缺陷。
而小波分析则克服了短时傅立叶变换在单分辨率上的缺陷,具有多分辨率分析的特点,在时域和频域都有表征信号局部信息的能力,时间窗和频率窗都可以根据信号的具体形态动态调整,在一般情况下,在低频部分(信号较平稳)可以采用较低的时间分辨率,而提高频率的分辨率,在高频情况下(频率变化不大)可以用较低的频率分辨率来换取精确的时间定位。
因为这些特定,小波分析可以探测正常信号中的瞬态,并展示其频率成分,被称为数学显微镜,广泛应用于各个时频分析领域。
全文介绍了小波变换的基本理论,并介绍了一些常用的小波函数,它们的主要性质包括紧支集长度、滤波器长度、对称性、消失矩等,都做了简要的说明。
在不同的应用场合,各个小波函数各有利弊。
文中给出了详细的程序范例,用MATLAB实现了基于小波变换的图像处理。
小波理论包括连续小波和二进小波变换,在映射到计算域的时候存在很多问题,因为两者都存在信息冗余,在对信号采样以后,需要计算的信息量还是相当的大,尤其是连续小波变换,因为要对精度内所有的尺度和位移都做计算,所以计算量相当的大。
而二进小波变换虽然在离散的尺度上进行伸缩和平移,但是小波之间没有正交性,各个分量的信息搀杂在一起,为我们的分析带来了不便。
真正使小波在应用领域得到比较大发展的是Meyer在1986年提出的一组小波,其二进制伸缩和平移构成的标准化正交基。
在此结果基础上,1988年S.Mallat在构造正交小波时提出了多分辨分析的概念,从函数分析的角度给出了正交小波的数学解释,在空间的概念上形象的说明了小波的多分辨率特性,给出了通用的构造正交小波的方法,并将之前所有的正交小波构造方法统一起来,并类似傅立叶分析中的快速傅立叶算法,给出了小波变换的快速算法——Mallat算法。
这样,在计算上变得可行以后,小波变换在各个领域才发挥它独特的优势,解决了各类问题,为人们提供了更多的关于时域分析的信息。
形象一点说,多分辨分析就是要构造一组函数空间,每组空间的构成都有一个统一的形式,而所有空间的闭包则逼近。
在每个空间中,所有的函数都构成该空间的标准化正交基,而所有函数空间的闭包中的函数则构成的标准化正交基,那么,如果对信号在这类空间上进行分解,就可以得到相互正交的时频特性。
而且由于空间数目是无限可数的,可以很方便地分析我们所关心的信号的某些特性。
下面我们简要介绍一下多分辨分析的数学理论。
定义:
空间中的多分辨分析是指满足如下性质的一个空间序列:
(1)调一致性:
,对任意
(2)渐进完全性:
,
(3)伸缩完全性:
(4)平移不变性:
(5)Riesz基存在性:
存在,使得构成的Risez基。
关于Riesz的具体说明如下:
若是的Risez基,则存在常数A,B,且,使得:
(1.1)
对所有双无限可平方和序列,即
(1.2)
成立。
满足上述个条件的函数空间集合成为一个多分辨分析,如果生成一个多分辨分析,那么称为一个尺度函数。
可以用数学方法证明,若是的Riesz基,那么存在一种方法可以把转化为的标准化正交基。
这样,我们只要能找到构成多分辨分析的尺度函数,就可以构造出一组正交小波。
多分辨分析构造了一组函数空间,这组空间是相互嵌套的,即
那么相邻的两个函数空间的差就定义了一个由小波函数构成的空间,即
并且在数学上可以证明且,,为了说明这些性质,我们首先来介绍一下双尺度差分方程,由于对,所以对,都有,也就是说可以展开成上的标准化正交基,由于,那么就可以展开成
(1.3)
这就是著名的双尺度差分方程,双尺度差分方程奠定了正交小波变换的理论基础,从数学上可证明,对于任何尺度的,它在j+1尺度正交基上的展开系数是一定的,这就为我们提供了一个很好的构造多分辨分析的方法。
在频域中,双尺度差分方程的表现形式为:
(1.4)
如果在=0连续的话,则有
(1.5)
说明的性质完全由决定。
小波分析克服了短时傅立叶变换在单分辨率上的缺陷,具有多分辨率分析的特点,在时域和频域都有表征信号局部信息的能力,时间窗和频率窗都可以根据信号的具体形态动态调整,在一般情况下,在低频部分(信号较平稳)可以采用较低的时间分辨率,而提高频率的分辨率,在高频情况下(频率变化不大)可以用较低的频率分辨率来换取精确的时间定位。
小波分析的应用是与小波分析的理论研究紧密地结合在一起的。
现在,它已经在科技信息领域取得了令人瞩目的成就。
电子信息技术是六大高新技术中的一个重要领域,图像和信号处理又是电子信息技术领域的重要方面。
现今,信号处理已经成为当代科学技术工作的重要组成部分。
现在,对性质随时间稳定不变的信号,处理的理想工具仍然是傅立叶分析。
但在实际应用中,绝大多数信号是非稳定的,小波分析正是适用于非稳定信号的处理工具。
图像处理是针对性很强的技术,根据不同应用、不同要求需要采用不同的处理方法。
采用的方法是综合各学科较先进的成果而成的,如数学、物理学、心理学、信号分析学、计算机学、和系统工程等。
计算机图像处理主要采用两大类方法:
一类是空域中的处理,即在图像空间中对图像进行各种处理;
另一类是把空间与图像经过变换,如傅立叶变换,变到频率域,在频率域中进行各种处理,然后在变回到图像的空间域
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 变换 及其 图像 处理 中的 应用 研究 毕业论文