小波变换1 3压缩MATLAB程序,基于MATLAB的小波变换在图象压缩中的应用研究

基于MA TLAB的小波变换在图象压缩中的应用研究

【摘要】:图像压缩是用最少的数据量来表示尽可能多的原图像信息的一个过程。本文先从理论角度分析了小波变换及多尺度分析的性质,又从实验的角度用Matlab实现了图像的压缩并对程序中用到的主要函数给予了说明,较直观的探讨了小波变换在图像压缩中的应用。【关键词】:小波变换、图像压缩、小波分解

1.引言

小波变换是近十几年新发展起来的一种数学工具,是继一百多年前的傅里叶(Fourier)分析之后的又一个重大突破,它对无论是古老的自然学科还是新兴的高新应用技术学科均产生了强烈的冲击。小波变换是一种全新的变换技术,与传统纯频域分析的傅里叶方法不同,小波变换是一种时频分析方法,它在时频和域频同时具有良好的局部化性质。小波变换对于不同的频率成分在时域上的取样步长是调节性的,高频者小、低频者大,因此在实际应用中完全可以根据需要将图像或信号分解到一些合适的尺度成分上,然后再根据不同的要求作适当的编码。因此,小波变换是一种能够获得较好图像复原质量与压缩比的、能够适应未来发展的变换技术,已经成为当今图像压缩编码的主要研究方向。

2.小波变换理论及多尺度分析

2.1小波变换

小波变换的基本思想是将任意函数f表示为小波的叠加,这种函数f的小波叠加表示就是将函数f分解为不同的尺度级.在每一个尺度级,函数f又在与这一尺度级对应的分辨率下被分解.尺度级对应着频率,且频率越高,对应的分辨率越高.在实际应用中,经常需要将函数f写为离散的叠加形式,即求和而不是积分,一个离散化的方法是设a=a0m,b=nb0m。其中,m,n∈Z,a0>1,b0>0(a0,b0为常数)。函数f的小波分解为:

(1)其中,)对于a0=2,b0=1,因为存在!,使得!m,n组成一个正交基,所以,可以得到

(2)Stromberg,Meyer,Lemarie,Battle和Daubechies构造了许多不同的如式(2)所示的小波正交基,但所有这些正交小波基分解都对应着一种Mallat提出的多尺度分析(MRA,Multiresolution Analy-sis).

2.2多尺度分析

多尺度分析是用小波函数的二进伸缩和平移表示函数这一思想的更加抽象复杂的表现形式,它重点处理整个函数集,而非侧重处理作为个体的函数。它具有以下性质:

①单调性:,

②逼近性:这里用X表示集合X的闭包。

③伸缩性:

④平移不变性: