小波分析及其应用讲得很好

《小波分析及其应用讲得很好》由会员分享，可在线阅读，更多相关《小波分析及其应用讲得很好（44页珍藏版）》请在金锄头文库上搜索。

1、1,小波分析及其应用(回顾),1、小波的特点和发展 2、小波分析在一维信号处理中的应用 3 、小波分析在图象分析中的应用 图象特征抽取 图象压缩 数据隐藏和图象水印,2,小波分析发展历史,1807年 Fourier 提出傅里叶分析 ， 1822年发表 “热传导解析理论”论文 1910年 Haar 提出最简单的小波 1980年 Morlet 首先提出平移伸缩的小波公式，用于地质勘探。 1985年 Meyer 和稍后的Daubeichies提出“正交小波基”，此后形成小波研究的高潮。 1988年 Mallat 提出的多分辨度分析理论（MRA），统一了语音识别中的镜向滤波，子带编码，图象处理中的金字

2、塔法等几个不相关的领域。,3,小波的特点和发展,“小波分析” 是分析原始信号各种变化的特性，进一步用于数据压缩、噪声去除、特征选择等。 例如歌唱信号：是高音还是低音，发声时间长短、起伏、旋律等。从平稳的波形发现突变的尖峰。小波分析是利用多种 “小波基函数” 对 “原始信号” 进行分解。,4,小波的时间和频率特性,运用小波基，可以提取信号中的“指定时间”和“指定频率”的变化。 时间：提取信号中“指定时间”（时间A或时间B）的变化。顾名思义，小波在某时间发生的小的波动。 频率：提取信号中时间A的比较慢速变化，称较低频率成分；而提取信号中时间B的比较快速变化，称较高频率成分。,时间A,时间B,5,多

3、分辨度分析（MRA）,1988年 Mallat 提出的多分辨度分析理论，统一了几个不相关的领域：包括语音识别中的镜向滤波，图象处理中的金字塔方法，地震分析中短时波形处理等。 当在某一个分辨度检测不到的现象，在另一个分辨度却很容易观察处理。例如：,6,小波的3 个特点,小波变换，既具有频率分析的性质，又能表示发生的时间。有利于分析确定时间发生的现象。（傅里叶变换只具有频率分析的性质） 小波变换的多分辨度的变换，有利于各分辨度不同特征的提取（图象压缩，边缘抽取，噪声过滤等） 小波变换比快速Fourier变换还要快一个数量级。信号长度为M时， Fourier变换（左）和小波变换（右）计算复杂性分别如

4、下公式：,7,小波基表示发生的时间和频率,“时频局域性” 图解：Fourier变换的基（上）小波变换基（中） 和时间采样基（下）的比较,傅里叶变换 (Fourier)基 小波基 时间采样基,8,Haar小波基母函数,（a）Haar “近似”基函数 （b）Haar “细节”基函数 低频滤波系数 高频滤波系数 H0= 1 1 q H1= 1 -1 q = q q = q -q 其中：,9,Haar小波的基函数,第 1 行基函数是取平均（近似）， 第 2-8 行基函数是取变化（细节）。 细节包括变化速率和发生的时间。,H0= 1 1 q H1= 1 -1 q,尺度函数 近似基函数,小波函数 细节基函

5、数,10,小波基可以通过给定滤波系数生成,小波基（尺度函数和小波函数）可以通过给定滤波系数生成。 有的小波基是正交的，有的是非正交的。有的小波基是对称的，有的是非对称的。 小波的近似系数和细节系数可以通过滤波系数直接导出，而不需要确切知道小波基函数，这是 I. Daubechies 等的重要发现，使计算简化，是快速小波分解和重建的基础。,11,小波基函数和滤波系数(Haar-正交，对称),“近似”基函数,“反变换” 低频和 高频 “滤波系数”,“细节”基函数,Haar小波,“正变换” 低频和 高频 “滤波系数”,12,小波基函数和滤波系数(db 2-正交，不对称 ),“近似”基函数,“细节”基

6、函数,db小波,“反变换” 低频和 高频 “滤波系数”,“正变换” 低频和 高频 “滤波系数”,13,小波基函数和滤波系数(db 4-正交，不对称),14,小波基函数和滤波系数(sym 4-正交，近似对称),15,小波基函数和滤波系数(bior 2.4 双正交，对称),16,小波基函数和滤波系数(bior 6.8 双正交，对称),17,2、小波分析在一维信号处理中的应用,小波变换就是将 “ 原始信号 s ” 变换 成 “ 小波 系数 w ” ，w=wa , wd 包括近似(approximation)系数wa 与细节(detail)系数wd 近似系数wa-平均成分（低频） 细节系数wd-变化成

7、分（高频）,18,小波原始信号分解过程：,原始信号s可分解成小波近似 a 与小波细节d 之和。 s = a+d 小波系数 w = wa , wd 的分量，乘以 基函数，形成小波分解： 小波近似系数wa 基函数A=近似分解 a -平均 小波细节系数wd 基函数D=细节分解 d-变化,19,小波分解和小波基,正变换：原始信号在小波基上，获得 “小波系数”分量 反变换：所有“小波分解” 合成原始信号 例如： 小波分解 a=小波系数 wa 小波基A,20,一维信号小波变换例子,Haar小波，例子： 16点信号: 6 5 9 8 3 7 8 5 6 5 9 8 1 3 3 9 通过MATLAB实现(wa

8、vemenu) 波形图 小波正变换：小波系数： 小波近似系数（加）；小波细节系数（减） 小波反变换：可以由分解信号恢复原始信号。 有2种：近似分解；细节分解,21,一维信号的二级小波变换系数,原始信号 2级小波系数 w2=wa2 , wd2 , wd1 * Haar是正交变换。除以常数，目的使变换后平方和不变。例如：,16位,2级近似系数,2级细节系数,1级细节系数,16位,22,一维信号的二级小波变换分解,2级近似分解 （原始信号每4个平均值） 2级细节分解 （原始信号每2个平均的差值） 1级细节分解 （原始信号单数和双数的差值） 恢复信号,23,一维信号的二级小波变换系数和分解,原始信号

9、2级小波系数 w2=wa2 , wd2 , wd1 2级近似分解 （原始信号每4个平均值） 2级细节分解 （原始信号每2个平均的差值） 1级细节分解 （原始信号单数和双数的差值） 恢复信号,24,2 级 Haar小波变换4点例子,细节系数（ wd1 ）形成后不再变化。,原始信号 1 级 小波近似系数 1 级 小波细节系数 2级 小波近似系数 2 级 小波细节系数,(s, w1 , w2的平方和不变),25,一级、二级小波16点,26,小波去噪声16点,27,原始信号 16点,28,两级小波系数16点,原始信号 小波系数,29,16点 信号 的Haar小波近似值和细节分解,两级分解,30,小波分

10、析在图象处理中的应用,图象是二维信号，其小波变换相当于二次一维信号的小波变换：。 （1）第一次一维信号的小波变换相当于图象的行变换。 （2）第二次一维信号的小波变换相当于图象的列变换。 小波变换用于图象压缩有良好的效果，已形成图象压缩的标准如JPEG2000。,31,小波变换用于图象特征抽取,32,第1级 L1 斜线细节,第1级 L1 水平细节,第1级 L1 垂直细节,第2级 L2细节,近似图象,第3级 L3,小波系数分级方块表示法,33,第 3 级 L3分辨率,第 2 级 L2分辨率,第 1 级 L1分辨率,小波系数分级树形表示法,34,小波变换用于图象压缩,采用小波进行压缩。作“小波变换”

11、后，统计特性有改善，消除行和列之间的相关关系。 有损压缩：根据视觉原理，不同分辨率小波系数进行比特分配。然后转换到一维作熵编码，如算术编码或霍夫曼编码。 无损压缩：选择“整数小波变换”，无舍入误差。但不能进行比特分配。,35,小波变换用于图象压缩,第 3 级 L3 水平、斜线、垂直细节,第 2 级 L2 水平、斜线、垂直细节,第 1 级 L1 水平、斜线、垂直细节,两阈值线之间的直方图被去除（有损压缩）,36,小波变换用于无损数据隐藏,无损数据隐藏：是基于无损压缩：选择“整数小波变换”，无舍入误差。例如可以采用第二代小波。 无损数据隐藏：避免在嵌入数据后小波反变换时图象灰度的溢出。小波变换前要

12、作预处理，作直方图调整，将图象中灰度出现少的数据，合并入隐藏数据。 第一个无损数据隐藏是1999年科达公司发表的一个专利。由于法律上原因，医学图象数据隐藏必须是无损的。此外、无损数据隐藏在电子银行、电子政务、电子商务、图象建档等有广泛的用途。,37,数据嵌入核磁共振医学图象 (可无损恢复) (水印图象见下页) (a)原始 (5125128) (b)小波域嵌入水印图象,38,水印图象 (1921202 二值图象),39,小波变换用于无损数据隐藏（交通图象）,原始图象 （1024768） 信息隐藏后的伪装图象（1024768）,同时隐藏 5 张（320280）图象（见下页）,40,同时隐藏的 5

13、张（320280）交通图象，可完全恢复,41,小波变换用于图象水印,指纹原始图象 嵌入水印(取款密码等)后图象,指纹传感器：标准的Veridicom指纹鼠标 指纹开发工具：Veridicom Authentication SDK以Windows的DLL库方式提供 指纹库：(Fingerprint Verification Competition, FVC)。FVC2000 db1是由光学设备采集；FVC2000 db2是由电容设备采集。,银行取款密码嵌入指纹，网上进行身份认证,42,小波变换用于图象水印,小波正变换,小波反变换,小波 正变换,小波反变换,数据嵌入,数据提取,原始图象,加水印后图

14、象输入,原始图象,加水印后图象 输出,隐藏数据,隐藏数据,43,小波分析最新进展,（1）第二代小波，称提升算法，可用于整数小波。 （2）嵌入零树法，获得更优良的效果。 （3）小波与统计理论结合。 （4）商品化，如“JPEG2000”小波图象压缩标准，MATLAB小波计算包等。,44,小 结,（1）小波分析理论上比较完善 小波变换基，既具有频率局域性质，又具有时间局域性质。小波变换的多分辨度的变换，能在多个尺度上分解，便于观察信号在不同尺度（分辨率）上不同时间的特性。 （2）小波分析有广泛的实用性 小波变换存在快速算法，对于M点序列而言，计算复杂性为：O(M)，处理快速。小波变换基函数有多种类型，可以是正交的，也可以是非正交（双正交），比傅里叶变换更加灵活。 (,