前言
由于欧拉线性放大方法会不可避免的放大噪声,所以放大率和放大效果都会受到影响。而基于相位的放大方法不会放大噪声,只会平移噪声,代价是算法的复杂度增加,所以在追求更好的放大效果时,我们可以考虑基于相位的放大。
实施的步骤
空间滤波、提取相位
我们知道图像傅里叶变换的幅度谱代表信号的强度,相位谱代表信号的位置。如果我们直接对相位进行操作,那么整幅图像都会受到影响。
所以我们需要构造在空间域和频率域都具有局部性的滤波器,提取低通的频率作用于有限的空间。Gabor滤波器是其中的典型,但是这里并不能使用Gabor滤波器。因为Gabor滤波器没有良好的重构特性。具体原因待我下回分解。
这里使用的是可操纵金子塔分解,即方向的可操纵性。可操纵金字塔的具体原理待我下下回分解,哈哈。
我们并没有使用金字塔的方向可操纵性,也就是说各个方向的权值是相等的。使用的只是可操纵金字塔的子带非混叠性和充当正交相位滤波器的性质。下面是我取得某个尺度上的一组可操纵滤波器的基。
注意这个是频域上的表现,是实数,我们对以上某个基再做傅里叶反变换,如下图(左图是实部,右图是虚部)
可以看见其实部为偶函数,虚部为奇函数。这是因为频域一半有数据一半没数据,假设是被x轴对半分吧,那么空间某点就会在对角的相同位置生成共轭项。又因为频域关于y轴偶对称,那么这两个位置的共轭项也会相等,即空间点不仅对角位置成共轭,关于x轴也成共轭。那么我们就得到了关于x轴偶对称的实部,关于x轴奇对称的虚部。这个x轴是我假定的,其实就是有数无数的分界, 垂直于基滤波器的方向y,注意关于y轴都是偶对称的。
那么为什么在空间中实部为偶对称的,虚部为奇对称的滤波器可以提取相位呢,这里仅提供个人理解。在程序里作者在频域用以上基滤波器乘以信号再求反傅里叶变换即得到基函数的空间表示,其实部对应于偶对称滤波器,虚部对应于奇滤波器。我们知道任何信号都可以用傅里叶级数展开,即
A ( ω ) = a ( ω ) + j b ( ω ) A(\omega)=a(\omega)+jb(\omega) A(ω)=a(ω)+jb(ω)
而任何一个信号都可以分解成偶信号与奇信号的叠加,我们以一维信号为例, f ( x ) = f e ( x ) + f o ( x ) f(x)=f_e(x)+f_o(x) f(x)=fe(x)+fo(x)而 { f e ( x )