图像处理学习笔记-07-小波和多分辨率处理02

一维小波函数

小波级数展开、离散小波变换、连续小波变换分别对应着傅里叶域里面的傅里叶级数展开、离散傅里叶变换、积分傅里叶变换

小波级数展开

对$f(x)\in L^2$，可以在子空间$V_{j_0}$中用尺度函数展开和在子空间$W_{j_0},W_{j_0+1},\cdots$中用某些数量的小波函数展开来表示：
$$f(x)=\sum _k{c}_{j_0}(k){\phi }_{j_0,k}(x)+\sum _{j=j_0}^{\infty }\sum _k{d}_j(k){\psi }_{j,k}(x)$$
其中$j_0$是任意的开始尺度，$c_{j_0}(k)$称为近似和或尺度系数，$d_j(k)$称为细节和或小波系数，如果展开函数形成正交基或紧框架，那么系数可以如下计算：
$$\begin{gathered} c_{j_0}(k)=⟨f(x),{\phi }_{j_0,k}(x)⟩=\int f(x){\phi }_{j_0,k}(x)dx \\ {d}_j(k)=⟨f(x),{\psi }_{j,k}(x)⟩=\int f(x){\psi }_{j,k}(x)dx \end{gathered}$$
如果展开函数是双正交基的一部分，这些等式中的$\phi ,\psi$需要用其对偶函数来代替

离散小波变换

对应离散函数$f(n)=f(x_0+n\Delta x),n=0,1,2,\cdots ,M-1$，对连续函数$f(x)$的小波级数展开系数就变为序列$f(n)$的正向离散小波变换DWT系数：
$$\begin{gathered} W_{\phi }(j_0,k)=\frac{1}{\sqrt{M}}\sum _{n}f(n){\phi }_{j_0,k}(n) \\ {W}_{\psi }(j,k)=\frac{1}{\sqrt{M}}\sum _{n}f(n){\psi }_{j,k}(n),j\ge j_0 \end{gathered}$$
在这些等式中，${\phi }_{j_0,k}(n),{\psi }_{j,k}(n)$是基函数${\phi }_{j_0,k}(x),{\psi }_{j,k}(x)$的取样形式，反向DWT是：
$$f(n)=\frac{1}{\sqrt{M}}\sum _k{W}_{\phi }(j_0,k){\phi }_{j_0,k}(n)+\frac{1}{\sqrt{M}}\sum _{j=j_0}^{\infty }\sum _k{W}_{\psi }(j,k){\psi }_{j,k}(n)$$
通常取$j_0=0,M=2^J$为2的幂，在上式中，$n=0,1,2,\cdots ,M-1,j=0,1,2,\cdots ,J-1,k=0,1,2,\cdots ,2^j-1$，对于哈尔小波，变换中采用的离散尺度和小波函数即基函数和之前$M\times M$的哈尔变换矩阵的行相对应，上面的式子只对正交基和紧框架有效，对于双正交基，需要使用相应的对偶函数

连续小波变换

连续的平方可积函数$f(x)$的连续小波变换与实数值小波$\psi (x)$的关系定义为：
$$W_{\psi }(s,\tau )={\int }_{-\infty }^{\infty }f(x){\psi }_{s,\tau }(x)dx$$
其中：
$${\psi }_{s,\tau }(x)=\frac{1}{\sqrt{s}}\psi \left(\frac{x-\tau }{s}\right)$$
$s,\tau$分别是尺度参数和平移参数，给定$W_{\psi }(s,\tau )$，就可以使用连续小波反变换得到$f(x)$:
$$f(x)=\frac{1}{C_{\psi }}{\int }_0^{\infty }{\int }_{-\infty }^{\infty }{W}_{\psi }(s,\tau )\frac{{\psi }_{s,\tau }(x)}{s^2}d\tau ds$$
其中：
$$C_{\psi }={\int }_{-\infty }^{\infty }\frac{|\mathbf{\Psi }(\mu ){|}^2}{|\mu |}d\mu$$
$\mathbf{\Psi }(\mu )$是$\psi (x)$的傅里叶变换

快速小波变换FWT

类似于子带编码方案，首先考虑多分辨率详细的等式：
$$\phi (x)=\sum _n{h}_{\phi }(n)\sqrt{2}\phi (2x-n)$$
用$2^j$对$x$尺度化，用$k$对它平移，并令$m=2k+n$，给出：
$$\begin{array}{rl}\phi (2^{j}x-k)& =\sum _k{h}_{\phi }(n)\sqrt{2}\phi (2(2^{j}x-k)-n)\\ & =\sum _n{h}_{\phi }(n)\sqrt{2}\phi (2^{j+1}x-2k-n)\\ & =\sum _m{h}_{\phi }(m-2k)\sqrt{2}\phi (2^{j+1}x-m)\end{array}$$
相似的可以得到小波函数：
$$\psi (2^{j}x-k)=\sum _m{h}_{\psi }(m-2k)\sqrt{2}\phi (2^{j+1}x-m)$$
有小波定义式如下：
$$d_j(k)=\int f(x)2^{\frac{j}{2}}\psi (2^{j}x-k)dx$$
综合起来：
$$d_j(k)=\int f(x)2^{\frac{j}{2}}\left[\sum _m{h}_{\psi }(m-2k)\sqrt{2}\phi (2^{j+1}x-m)\right]dx$$
交换积分和求和的顺序：
$$d_j(k)=\sum _m{h}_{\psi }(m-2k)\left[\int f(x)2^{\frac{j+1}{2}}\phi (2^{j+1}x-m)\right]$$
可以看到括号中的量为$j_0=j+1,k=m$时的$c_{j_0}(k)$：
$$d_j(k)=\sum _m{h}_{\psi }(m-2k)c_{j+1}(m)$$
也就是尺度$j$的细节系数是尺度$j+1$的近似函数的系数，类似的可以得到：
$$c_j(k)=\sum _m{h}_{\phi }(m-2k)c_{j+1}(m)$$
当$f(x)$为离散函数的时候，因为小波级数展开的系数$c_j(k),d_j(k)$变为DWT的系数$W_{\phi }(j,k),W_{\psi }(j,k)$，所以：
$$\begin{gathered} W_{\psi }(j,k)=\sum _m{h}_{\psi }(m-2k)W_{\phi }(j+1,m) \\ {W}_{\phi }(j,k)=\sum _m{h}_{\phi }(m-2k)W_{\phi }(j+1,m) \end{gathered}$$
上式揭示了相邻尺度DWT系数间的关系，DWT的系数$W_{\phi }(j,k),W_{\psi }(j,k)$可以用$W_{\phi }(j+1,k)$分别与顺序倒置尺度和小波向量$h_{\phi }(-n),h_{\psi }(-n)$进行卷积操作，然后对结果进行下采样来计算：
$$\begin{gathered} W_{\psi }(j,k)=h_{\psi }(-n)★W_{\phi }(j+1,n){|}_{n=2k,k\ge 0} \\ {W}_{\phi }(j,k)=h_{\phi }(-n)★W_{\phi }(j+1,n){|}_{n=2k,k\ge 0} \end{gathered}$$

上述过程和子带编码类似，$h_0(n)=h_{\phi }(-n),h_1(n)=h_{\psi }(-n)$，得到的$W_{\phi }(j,k),W_{\psi }(j,k)$分别代表低通和高通分量，使用FWT约要求$O(M{\log }_{2}M)$次操作，通常，我们选择$f(x)$的$2^J$个样本，并用$P$个滤波器组在尺度$J-1,J-2,\cdots ,J-P$处生成一个$P$尺度FWT，首先计算最高尺度即$J-1$的系数，最后计算最低尺度$J-P$的系数，假设$f(x)$的取样频率合适，那么取样样本时在该取样分辨率下的尺度系数的良好近似，可以作为起始高分辨率尺度系数的输入，类似的，我们可以得到从正变换的结果快速反变换结果，相当于二带宽子带编码的综合过程，由分析过程$h_0(n)=h_{\phi }(-n),h_1(n)=h_{\psi }(-n)$，得到$g_0(n)=h_0(-n)=h_{\phi }(n),g_1(n)=h_1(-n)=h_{\psi }(n)$，反变换$FW{T}^{-1}$的滤波器组执行下述计算：
$$W_{\phi }(j+1,k)=h_{\phi }(k)★W_{\phi }^{2\uparrow }(j,k)+h_{\psi }(k)★W_{\psi }^{2\uparrow }(j,k){|}_{k\ge 0}$$
其中$W^{2\uparrow }$表示基2的上取样，上取样通过插入0使得长度变为原来的两倍来完成的，之后上取样的系数和$h_{\phi }(n),h_{\psi }(n)$进行卷积完成滤波并相加产生较高尺度的近似，本质上创建了$f(n)$的较好近似

下面是两个示例过程：