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
)
L^2(R)
L2(R)中满足下述条件的函数或者信号
φ
(
t
)
:
∫
R
∣
φ
(
t
)
∣
2
d
t
<
∞
,
∫
R
∗
∣
φ
(
ω
)
∣
2
∣
ω
∣
d
ω
<
∞
\varphi(t):\int _R|\varphi(t)|^2dt<\infty,\int_{R^*}\frac{|\varphi(\omega)|^2}{|\omega|}d\omega<\infty
φ(t):∫R∣φ(t)∣2dt<∞,∫R∗∣ω∣∣φ(ω)∣2dω<∞。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):
φ
a
,
b
=
1
a
φ
(
t
−
b
a
)
\varphi_{a,b}=\frac{1}{\sqrt a}\varphi(\frac{t-b}{a})
φa,b=a1φ(at−b)
连续小波变换为:
W
(
a
,
b
)
=
1
a
∫
R
f
(
t
)
φ
∗
(
t
−
b
a
)
d
t
W(a,b)=\frac{1}{\sqrt a}\int_Rf(t)\varphi^*(\frac{t-b}{a})dt
W(a,b)=a1∫Rf(t)φ∗(at−b)dt
2.离散小波
对连续小波离散化:
a
=
2
j
a=2^j
a=2j
b
=
k
2
j
b=k2^j
b=k2j
可得到二进小波:
φ
j
,
k
(
t
)
=
1
2
j
φ
(
t
−
k
2
j
2
j
)
=
2
−
j
2
φ
(
2
−
j
t
−
k
)
\varphi_{j,k}(t)=\frac{1}{\sqrt {2^j}}\varphi(\frac{t-k2^j}{2^j})=2^{-\frac{j}{2}}\varphi(2^{-j}t-k)
φj,k(t)=2j1φ(2jt−k2j)=2−2jφ(2−jt−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:
φ
(
t
)
=
{
1
(
0
≤
t
<
1
2
)
−
1
(
1
2
≤
t
<
1
)
0
o
t
h
e
r
\varphi(t)=\begin{cases} 1&(0\leq t < \frac{1}{2})\\ -1 & (\frac{1}{2} \leq t <1)\\ 0 & other \end{cases}
φ(t)=⎩⎪⎨⎪⎧1−10(0≤t<21)(21≤t<1)other
(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
)
=
∑
k
s
k
(
0
)
φ
(
t
−
k
)
f(t)=f_0(t)=\sum_{k}s_{k}^{(0)}\varphi(t-k)
f(t)=f0(t)=k∑sk(0)φ(t−k)
其中:
s
k
(
0
)
=
∫
−
∞
∞
f
(
t
)
φ
0
,
k
∗
(
t
)
d
t
s_{k}^{(0)}=\int _{-\infty}^{\infty}f(t)\varphi_{0,k}^*(t)dt
sk(0)=∫−∞∞f(t)φ0,k∗(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。