小波变换

1.小波

  小波分析是非平稳信号时-频分析的新理论，在图像处理中是空间尺度分析和多分辨率分析的有效工具。也是细微局部的时间尺度分析的新思路。
  小波分析具有多分辨率特性，也称作多尺度特性，可以由粗到细地逐步观察信号，也可以看成是用一组带通滤波器对信号做滤波。通过适当地选择尺度因子和平移因子，可得到一个伸缩窗，只要适当选择基本小波，基于多分辨率分析与滤波器组相结合，丰富了小波分析的理论基础。
  傅里叶基是采用无线连续且不具有局部性质的三角函数，所以在经过傅里叶变换后的频率域中的时间信息完全丢失。小波变换由于能得到局部性的频率信息，从而使得有效地进行时间频率分析成为可能。小波变换描述了一个二维的时频空间，频率从层次的底部向上增加，而时间则向右发展，每一个小波持续宽度被进行了编码，每一段信号对应于一个小波分量。
  小波的意思是“小的波”或“细的波”，是平均值为0的有校有限持续区间的博。具体地说，小波就是空间平方可积函数$L^2(R)$中满足下述条件的函数或者信号$\phi (t):{\int }_R|\phi (t){|}^{2}dt<\infty ,{\int }_{R^{\ast }}\frac{|\phi (\omega ){|}^2}{|\omega |}d\omega <\infty$。由此，可以生成依赖于参数(a,b)的连续小波函数（简称小波函数）：
$${\phi }_{a,b}=\frac{1}{\sqrt{a}}\phi (\frac{t-b}{a})$$
  连续小波变换为：
$$W(a,b)=\frac{1}{\sqrt{a}}{\int }_{R}f(t){\phi }^{\ast }(\frac{t-b}{a})dt$$

2.离散小波

  对连续小波离散化：
$$a=2^j$$
$$b=k{2}^j$$
  可得到二进小波：
$${\phi }_{j,k}(t)=\frac{1}{\sqrt{2^j}}\phi (\frac{t-k{2}^j}{2^j})=2^{-\frac{j}{2}}\phi (2^{-j}t-k)$$

3.小波族

(1)哈尔小波
  哈尔小波是最早、最简单的小波，满足放大缩小的规范正交条件，任何小波的讨论都是从哈尔小波开始的，其公式如下所示：
$$\phi (t)=\{\begin{array}{ll}1& (0\le t<\frac{1}{2})\\ -1& (\frac{1}{2}\le t<1)\\ 0& other\end{array}$$
(2)其他小波
  <1>Daubechines小波<2>双正交条样小波<3>Coiflets小波<4>Symlets小波<5>Morlet小波<7>Mexican Hat小波<8>Meyer小波

4.二维离散小波

  连续信号f(t)的第0级的近似函数f_0(t)，由第0级的尺度函数展开：
$$f(t)=f_0(t)=\sum _k{s}_k^{(0)}\phi (t-k)$$
  其中：$s_k^{(0)}={\int }_{-\infty }^{\infty }f(t){\phi }_{0,k}^{\ast }(t)dt$
  一个图像经过小波变换后，得到一系列不同分辨率的子图像，即表示低频成分的子图像及表示不同方向上高频成分的子图像。高频成分的子图像上大部分书只都接近于0，越是高频这种现象越明显。所以，对于一幅图像来说，包含图像的主要信息是低频成分，而高频成分仅包含细节信息。