正交db小波 图像处理 matlab,基于matlab小波工具箱的数字图像处理及小波分析

基于matlab小波工具箱的数字图像处理及小波分析

基于 Matlab 小波工具箱的数字图像处理摘要：小波分析在图像处理中有非常重要的应用，包括图像压缩、去噪、分解和增强等。运用多分辨率分析可以将信号分解为多尺度信息，每个尺度下都有该分辨率下的“概貌”信息和细节。小波分析是傅里叶分析思想方法的发展与延拓，它不是时间-频率域上的分析，而是时间-尺度域变换，因此在图像处理上具有明显的优势。同时合适小波函数也就成为小波分析中最基本的问题。关键字：小波分析，多分辨分析，小波函数，图像处理一、 多分辨率分析多分辨分析，也称为多尺度分析，即在不同尺度下对事物进行分析 [1]。我们都知道，人的眼睛观察物体时，如果距离物体比较远，也就是说尺度比较大，则视野宽、分辨能力低，只能观察事物的概貌而看不清局部细节。若距离物体较近，那么视野就窄而分辨能力高，可以观察到事物的局部细节，却无法概览全貌。因此，若想要知道物体的整体轮廓又要看清其局部细节，就必须选择不同的距离对物体进行观察。同理，信号分析也是如此，在大尺度上分析信号的全貌，在小尺度上分析信号的细节，那么就需要把信号分解成某一尺度下的“概览”和该尺度下的细节。1.1 信号的近似分解给定一个连续信号 ，我们可用不同的基函数并在不同的分辨率水平上对它作)(tx近似 [2]。令(1.1)10()tt其 他显然， 的整数位移相互之间是正交的，即)(t(1.2) (),(),tktkkZ这样，由 的整数位移 就构成了一组正交基。设空间 由这一组正交基)(t 0V所构成，这样， 在空间 中的投影(记作 )可表为：x0V)(0txP(1.3))()( ,tkakatxP0式中 , 是基 的权函数， 可以看作是 在 中的)(),0ktka0,0k )(0ttx0近似。 ， 如图 1.1(a)所示。 是离散序列，如图 1.1(b)所示。(txP)(0()Pxt()xt 0()ak(a) (b) )(0txP)(ka0图 1.1令 (1.4))()(/, t2tjjkj 是由 作二进制伸缩及整数位移所产生的函数系列，显然， 和 是正)(t )(,tkj)(,tkj交的。将 作二倍的扩展后得 ，由 作整数倍位移所产生的函数组当然也是)2(t)(t两两正交的(对整数 ) ，它们也构成了一组正交基。k(1.5)Zkttk ),2()(1/,1我们称由这一组基形成的空间为 ，记信号 在 中的投影为 ，则VxV)(1txP(1.6)kk11tatxP)()(,式中 为加权系数。 如图 1.2(a)所示。 仍为离散序列，如图 1.2(b))(ka1所示。1Pxt()t1()ak(a) (b) )(1txP)(ka1图 1.2若如此继续下去，在 的基础上，我们可得到在不同尺度 下通过作整数位移)(t j所得到一组组的正交基，它们所构成的空间是 。用这样的正交基对 作近似，ZjV, )(tx就可得到 在 中的投影 。又有)(txjVtxPj(1.7) )1()2(t再比较该图的 1.1(a)和 1.2(a)，显然图 1.1(a)对 的近似要优于图 1.2(a)对 的x)(tx近似，也即分辨率高。当 时， 中的每一个函数都变得无限窄，即有j)(,tkj(1.8))()(txtPjj而当 ，那么 中的每一个函数都变成无穷宽，对 的近似误差也越j)(,tkj )(tx大。低分辨率的基函数 可由高一级分辨率的基函数 所决定。从12 0j空间上来讲，低分辨率的空间 应包含在高分辨率的空间 中，但是，毕竟 不等于V0VV，二者之间有误差。这一误差是由 和 的宽度不同而产生，因此，1V)(kt)2(1kt这一差别应是一些“细节”信号，我们记之为 。这样有：1xD(1.9))()(0ttPtx另设一基函数 ，)(t(1.10)112()0tt其 他显然， 的整数位移也是正交的，进一步，其在不同尺度下的位移，即)(t，也是正交的，同时， 和 的整数位移之间也是正交的，即Zkjtj,)(,)(tt(1.11)Zk0kt  ,,( 又 和 之间有如下关系：)(t(1.12) 2/)]([)(ttt及(1.13)/)]([)12(tt记 张成的空间为 ， 所张成的空间为 ，依次类推，)(kt0Wk 1W张成的空间为 。记 在空间 中的投影为 ，在 中的投影为),kj j)(tx0)txD(0，它们均可表为相应基函数 的线性组合，即)txD1 )(,tkj(1.14))(,tkdD00(1.15))(,txk1k1式中 , 是 , 尺度下的加权系数，它们均是离散序列。 ,)(kd01j )txD(0分别如图 1.3(a)和(b)所示， , 分别如图(c)和(d)所示。)(0 )t1d0()Dxt 0()dxk(a) (b)0()dxt 1()dxk(c) (d)不难发现， 与 相加，即得 ，由空间表示，即是)(1txP)(1tD)(0txP(1.16)1WV把上述概念加以推广，显然有(1.17) 01211jjjV W  并且(1.18) 1210jjVV这样，给定不同的分辨率水平 ，我们可得到 在该分辨率水平上的近似j)(tx和 ，由于 是低通信号，因此 反映了 的低通成份，我们称其)(txPj )(tDj )(tPj t为 的“概貌” 。由于 是由 边缘得到的离散序列，所以 也应是kaj )(txj )(kaj在尺度 下的概貌，或称离散近似。同理，由于 是带通信号，因此 反tj )(t)(txDj映的是的高频成份，或称为 的“细节” ，而 是 的离散细节。)(tkdjx1.2 多分辨分析的定义Mallat 给出了多分辩率分析的定义 [3]：设 是 空间中的一个闭合子空间，如果它们满足如下六个性质，则jVZ)(2RL说明 ， 是一个多分辨率近似。这六个性质是：1．平移不变性： ，若 则 (1.21)2),(ZkjjVtx)(jjVkt)2(2．单调性： ， ，即 (1.22)1jjV 110jj3．伸缩性： ，若 ，则 (1.23)jjtx)()2(jtx4．：渐进完全性： (1.24)0jjjVLim5．逼近性： (1.25))((2RLClosureVijjjj6．Riesz 基存在性：存在一个函数 ，使得 构成 的t0/2{()}jkztjVRiesz 基