小波分析&MATAB实现
文章平均质量分 82
沈子恒
计算机视觉 自然语言处理 推荐系统 架构设计
展开
-
小波的秘密7_图像处理应用:图像压缩
1.前言:对图像来说,如果要进行快速或实时传输以及大量存储,就需要对图像数据进行压缩。在同样的通信容量下,如果图像数据压缩后在传输,就可以查UN输更多的图像信息。例如,利用普通的电话线就可以传输经过压缩后的图像信息。图像压缩研究就是寻找高压缩比的方法,且压缩后的图像要有合适的信噪比。因为在压缩之后,我们还要恢复原始信号,并且在压缩、传输、恢复过程,要求图像的失真度小。图像数据往往存原创 2016-11-07 10:31:32 · 10173 阅读 · 7 评论 -
小波变换理解:消失矩、支撑长度的理解
1.前言消失矩就是小波变换后能量的集中程度,消失矩越高,高频子带的小波系数越小,接近0的小波系数越多。支撑长度表示滤波器的长度,滤波器的长度越短,小波变换的计算量就越低。dBn中n表示消失矩,支撑长度为2n-1。小波的消失矩与紧支性是一对矛盾,需要综合考虑。2.消失矩与支撑长度我们通常用的小波函数dbn中的n就是这个小波函数的消失矩;消失矩越大,它的支撑长度就越大(原创 2017-05-18 10:11:32 · 18823 阅读 · 3 评论 -
小波的秘密6_小波包的理解
1.各种变换的适合处理对象小波变换加窗Fourier变换 Fourier变换突变信号或奇异性函数自适应信号处理处理渐变信号实时信号处理稳定和渐变信号实时信号处理2.小波包分解概述传统的振动信号分析和处理方法一般都是采用加窗傅立叶分析,它是一个原创 2016-11-02 13:02:20 · 9974 阅读 · 0 评论 -
小波的秘密5_多分辨率分析和连续小波变换2
1.如何理解时间分辨率和频率分辨率?In this section we will take a closer look at the resolution properties of the wavelet transform. Remember that the resolution problem was the main reason why we switched from原创 2016-11-02 12:36:18 · 3912 阅读 · 0 评论 -
小波的秘密4_多分辨率分析和连续小波变换1
1.前言Although the time and frequency resolution problems are results of a physical phenomenon (the Heisenberg uncertainty principle) and exist regardless of the transform used, it is possible to an原创 2016-11-02 00:14:43 · 4774 阅读 · 0 评论 -
小波的秘密3_连续、离散小波变换定义
1.前言小波变换主要包括连续小波变换和离散小波变换。本篇博客主要想弄清楚连续小波变换、离散小波变换、高维小波连续变换的意义。2.连续小波变换2.1 连续小波变换的定义将任意L2(R)空间中的函数f(t)在小波基下展开,称这种展开为函数f(t)的连续小波变换(CWT)。其表达式为:其中应当满足:从定义可以看出:小波变换和傅立叶变换一样,也是一种原创 2016-11-01 16:17:47 · 31694 阅读 · 4 评论 -
小波的秘密2_MATLAB图像多尺度分析
1.MATLAB程序编写步骤1.把小波w(t)和原函数f(t)的开始部分进行比较,计算系数C。系数C表示该部分函数与小波的相似程度。2.把小波向右移k单位,得到小波w(t-k),重复1。重复该部知道函数f结束.3.扩展小波w(t),得到小波w(t/2),重复步骤1,2.4.不断扩展小波,重复1,2,3.这里使用的haar小波,缩放函数是[1 1],小波函数是[1 -1],是最简单的小波了。2.MA...原创 2016-10-30 22:48:14 · 7262 阅读 · 6 评论 -
小波的秘密1_小波变换概况与综述
1.有了Fourier,为什么还需要Wavelet?先来揭揭短:(1)Fourier分析不能刻画时间域上信号的局部特性。(2)Fourier分析对突变和非平稳信号的效果不好,没有时频分析。傅立叶变换将函数投影到正弦波上,将函数分解成了不同频率的正弦波,这不能不说是一个伟大的发现,但是在大量的应用中,傅立叶变换的局限性却日趋明显,事实上在光滑平稳信号的表示中,原创 2016-10-30 21:01:00 · 5467 阅读 · 0 评论 -
小波的秘密10_小波包的数学支撑
1.前言:小波多分辨率分析可以对信号进行有效的时频分解,但由于其尺度函数是按照二进制变化的,所以在高频段其频率分辨率较差。只能对信号的频段进行指数等间隔划分。小波包分析还能够为信号提供一种更精细的分析方法,他将频带进行多层次划分,对多分辨率中没有细分的高频部分进一步分解,并根据被分析信号的特征,自适应地选择频段,使之与信号频谱相匹配,从而提高了时频分辨率,因此小波包分析具有更大的应用价原创 2016-11-08 13:34:48 · 1864 阅读 · 1 评论 -
小波的秘密10_图像处理应用:图像增强
1.前言:图像融合是信息融合的一个重要分支,广泛地用于目标识别、机器视觉、智能系统、医学图像处理等领域。传统图像融合方法方法主要是在时间域通过算术运算实现融合,具有算法简单直观,适合实时处理等优点,但是没有对频率进行考虑。多分辨率图像融合算法是在频率域实现图像的融合。根据分解形式的不同,多分辨率图像融合算法又可以分为多分辨金字塔方法和小波变换方法。2.小波图像融合的观点:原创 2016-11-07 19:34:43 · 3221 阅读 · 0 评论 -
小波的秘密8_图像处理应用:图像降噪
1.前言:图像去噪是信号处理的一个经典问题,传统的去噪方法多采用平均或线性法法进行,最常用到的就是维纳滤波,但是他的降噪效果并不是很明显。小波分析法开辟了非线性降噪的先河,小波能够降噪得益于小波变换的以下特点:低熵性(小波系数稀松分布,使图像变换后的熵降低)、多分辨率特性(极好的刻画了信号的非平稳性)、去相关性(噪声在变换后有白化趋势,小波域更有利于去噪)目前,主流的小波去噪方法主原创 2016-11-07 10:56:25 · 6238 阅读 · 3 评论 -
小波的秘密9_图像处理应用:图像增强
1.前言:图像增强问题的基本目标是对图像进行一定的处理,使其结果比原图更适合用于特定的应用领域。在图像增强领域,图像增强问题主要通过时域和频域两种方法进行处理。时域方法通过直接在图像上作用算子来解决。频域上通过修改傅里叶变换系数来解决。这两种方法的优劣还是十分明显的,时域方法速度快但是会失去很多点点间的关联性信息;频域方法可以很详细的分离出点点间的相关信息,但是比较耗时,需要做傅里原创 2016-11-07 11:25:46 · 12062 阅读 · 1 评论