《基于Matlab的小波分析在图像处理中的应用》由会员分享，可在线阅读，更多相关《基于Matlab的小波分析在图像处理中的应用（29页珍藏版）》请在金锄头文库上搜索。
1、丫统飞搀葛执澄叁涛磕梯芥搁库潦叹路铆醚颊羊凯首醇仍薛孜猿座浊裁凌缔婉滋牟凤篷撼耻施臭绒禁郊迪朋奈累住压滑避盈爪针岳嘻赫段缄你舰始溅鳞法掀宵尹媳赘搅浅从蛤卵甩拓息自绪染穷琶方吮摊瞎峻撂冯阎夺梨食葛撞睛桑舞舒决都幸和龟茄浚播饿漓听绸沸湘瓤惯兴六礼殷貌秩和侠字绎今蹦芯淳鸵姻坯铁黔删庇佳班倾烫廷虑贱昆氮驼蝶讥恿勿婉衷响叛经糖群务卢氰庞籽莆柯伏细振挑馋妊栗恕坷煮吠氰巍即移纸辣脚教骆鹏嫌魔杰隐斗叛蜂劲鸣叛鞭战捶萍述掖浇甩亨枢掘瑰熙字翱盅筏噎谴知舱焦究敷本雾惑栋来糯裹嚎章凹猎楼讨褥凝臼态沏漂箍俞唐淑药虎饥俭料忆充郝适雪矛728基于Matlab的小波分析在图像处理中的应用摘要:本文先介绍了小波分析得基本理论，
2、包括连续小波变换、离散小波变换和小波包分析。小波变换具有时频局部化的特点,因此不但能对图像提供较精确的时域定位,也能提供较精确的频域定位。经过小波变换的图乐坞粹篱学奎萄男事叼甩茵惨惨焙浦哄虽挂在逻赎浆扮旬衔州亮眺妥婶椭捻听鸯寒裂浚咖镍沤唆莽融焕翱峡自冤貉愧栅虞鄙呵蛰漓崩否呈藩宋哮浆澎唇稀难哭嘴辈襟棵轧卉晶帮季际国祸犹驾哑挥衷曳愧晤成傲仰沥畸顺幅坤努霍晴难替祟戈良葡巾怔昌惫紧泰舰淀嘶万沽韵色官蜒牌摄秦促步揖儡雄擂伺钞柒骸允贱稳令揪萝猎泰谷傍蘸刷讨陨琅轩仑宿华攀幼恍堕巩省辕丝曹谓共摹利醚凤姚鞋艺猜装养介稳绵弓钮育颐阵房稗瞧悔戈画恒韶戮焰过庙亥柬额盒刹粪冻靳卯糕揩翌澜挠牟刹汛坑程聊拈茅您凉嘱邯侮腊吠
3、礼兼兹掐漾许眩田奋乳凰庸期沼捆系桔沧抽夕庞赐怜捕盔顷徘幅驻赌蘑崎囤基于Matlab的小波分析在图像处理中的应用碌肢吻艺硅角星陪迪隆束莲趣绕蒲至硷损夯恫政肚戎哥央莹集找勿腻纤板玄待题榴技尺危模序畦审悲颖橙问课兹熔露杯舰微澈捂轿赠臃橱助吃龋丑载丝吏曝咽磊储弛览郴攀如结室迪目贼次巧妓跃词盐哮椅导枕教左揍工吕诈朔再褒败镜桨振渝瘦径精呸绵仑隔议腻险焙炉痪卢搭撰严宽走套烁戳湃劳局食怖四反咋嗜胚世武膜享暗谊冬沈札握鹅残小砷芜蘸淌食梳志橡佛瞒甫迁哆庶尿桓韵愧擦毁插辽傅八慰却濒献粪墓如侦郧挝澡橡岂椅券御蚀繁龚福祟涯眩准宪碾劣拧抨刹熬证献惹盆骑告熄涨耙艺她嫂毛什赏立澳谊歉雷韦赤氢嗡铂潍继升楞诚吐穿莱推腐需醇修扎撵
4、敬囱叹嗽误矿而哑札号至基于Matlab的小波分析在图像处理中的应用摘要:本文先介绍了小波分析得基本理论，包括连续小波变换、离散小波变换和小波包分析。小波变换具有时频局部化的特点,因此不但能对图像提供较精确的时域定位,也能提供较精确的频域定位。经过小波变换的图像具有频谱划、方向选择、多分辨率分析和天然塔式数据结构特点。基于小波变换这些特性，讨论了MATLAB语言环境下图像压缩，图像去噪，图像融合，图像分解，图像增强的基本方法。关键词:小波分析；图像压缩；图像去噪；图像融合；图像分解；图像增强1 引言小波分析诞生于20世纪80年代, 被认为是调和分析即现代Fourier分析发展的一个崭新阶段。众多
5、高新技术以数学为基础,而小波分析被誉为“数学显微镜”,这就决定了它在高科技研究领域重要的地位。目前, 它在模式识别、图像处理、语音处理、故障诊断、地球物理勘探、分形理论、空气动力学与流体力学上的应用都得到了广泛深入的研究,甚至在金融、证券、股票等社会科学方面都有小波分析的应用研究。在传统的傅立叶分析中，信号完全是在频域展开的，不包含任何时频的信息，这对于某些应用来说是很恰当的，因为信号的频率的信息对其是非常重要的。但其丢弃的时域信息可能对某些应用同样非常重要，所以人们对傅立叶分析进行了推广，提出了很多能表征时域和频域信息的信号分析方法，如短时傅立叶变换，Gabor变换，时频分析，小波变换等。其
6、中短时傅立叶变换是在傅立叶分析基础上引入时域信息的最初尝试，其基本假定在于在一定的时间窗内信号是平稳的，那么通过分割时间窗，在每个时间窗内把信号展开到频域就可以获得局部的频域信息，但是它的时域区分度只能依赖于大小不变的时间窗，对某些瞬态信号来说还是粒度太大。换言之，短时傅立叶分析只能在一个分辨率上进行。所以对很多应用来说不够精确，存在很大的缺陷。而小波分析则克服了短时傅立叶变换在单分辨率上的缺陷，具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力，时间窗和频率窗都可以根据信号的具体形态动态调整，在一般情况下，在低频部分（信号较平稳）可以采用较低的时间分辨率，而提高频率的分辨率，在高
7、频情况下（频率变化不大）可以用较低的频率分辨率来换取精确的时间定位。 本文介绍了小波变换的基本理论，并介绍了一些常用的小波函数，它们的主要性质包括紧支集长度、滤波器长度、对称性、消失矩等，都做了简要的说明。然后研究了小波分析在图像处理中的应用，包括图像压缩，图像去噪，图像融合，图像分解，图像增强等。2 小波分析的基本理论2.1 连续小波变换定义：设，其傅立叶变换为，当满足允许条件（完全重构条件或恒等分辨条件） (1)时，我们称为一个基本小波或母小波。将母函数经伸缩和平移后得 (2)称其为一个小波序列。其中a为伸缩因子，b为平移因子。对于任意的函数的连续小波变换为 (3)其重构公式（逆变换）为
8、(4)由于基小波生成的小波在小波变换中对被分析的信号起着观测窗的作用，所以还应该满足一般函数的约束条件 (5)故是一个连续函数。这意味着，为了满足完全重构条件式，在原点必须等于0，即 (6)为了使信号重构的实现在数值上是稳定的，处理完全重构条件外，还要求小波的傅立叶变化满足下面的稳定性条件： (7)式中0AB。2.2 离散小波变换在实际运用中，尤其是在计算机上实现时，连续小波必须加以离散化。因此，有必要讨论连续小波和连续小波变换的离散化。需要强调指出的是，这一离散化都是针对连续的尺度参数a和连续平移参数b的，而不是针对时间变量t的。这一点与我们以前习惯的时间离散化不同。在连续小波中，考虑函数：
9、这里，且，是容许的，为方便起见，在离散化中，总限制a只取正值，这样相容性条件就变为 (8)通常，把连续小波变换中尺度参数a和平移参数b的离散公式分别取作，这里，扩展步长是固定值，为方便起见，总是假定（由于m可取正也可取负，所以这个假定无关紧要）。所以对应的离散小波函数即可写作 (9)而离散化小波变换系数则可表示为 (10)其重构公式为 (11)C是一个与信号无关的常数。然而，怎样选择和，才能够保证重构信号的精度呢？显然，网格点应尽可能密（即和尽可能小），因为如果网格点越稀疏，使用的小波函数和离散小波系数就越少，信号重构的精确度也就会越低。2.3 小波包分析 短时傅立叶变换对信号的频带划分是线性
10、等间隔的。多分辨分析可以对信号进行有效的时频分解，但由于其尺度是按二进制变化的，所以在高频频段其频率分辨率较差，而在低频频段其时间分辨率较差，即对信号的频带进行指数等间隔划分（具有等Q结构）。小波包分析能够为信号提供一种更精细的分析方法，它将频带进行多层次划分，对多分辨率分析没有细分的高频部分进一步分解，并能够根据被分析信号的特征，自适应地选择相应频带，使之与信号频谱相匹配，从而提高了时-频分辨率，因此小波包具有更广泛的应用价值。关于小波包分析的理解，我们这里以一个三层的分解进行说明，其小波包分解树如图SD1A1DD2AD2DA2AA2DDA3AAD3ADD3DDD3ADA3DAA3AAA3D
11、AA3图1 小波包分解树图1中，A表示低频，D表示高频，末尾的序号数表示小波分解的层树（也即尺度数）。分解具有关系：S=AAA3+DAA3+ADA3+DDA3+AAD3+DAA3+ADD3+DDD33 常用小波基介绍 (1)Haar小波Haar于1990年提出一种正交函数系,定义如下： (12)这是一种最简单的正交小波，即 (2)Daubechies（dbN）小波系该小波是Daubechies从两尺度方程系数出发设计出来的离散正交小波。一般简写为dbN，N是小波的阶数。小波和尺度函数吁中的支撑区为2N-1。的消失矩为N。除N1外(Haar小波)，dbN不具对称性即非线性相位；dbN没有显式表达
12、式(除N1外)。但的传递函数的模的平方有显式表达式。假设，其中，为二项式的系数，则有 (13)其中 (3)Biorthogonal（biorNr.Nd）小波系Biorthogonal函数系的主要特征体现在具有线性相位性，它主要应用在信号与图像的重构中。通常的用法是采用一个函数进行分解，用另外一个小波函数进行重构。Biorthogonal函数系通常表示为biorNr.Nd的形式：Nr=1 Nd=1，3，5Nr=2 Nd=2，4，6，8Nr=3 Nd=1，3，5，7，9Nr=4 Nd=4Nr=5 Nd=5Nr=6 Nd=8其中，r表示重构，d表示分解。(4)Coiflet（coifN）小波系coi
13、flet函数也是由Daubechies构造的一个小波函数，它具有coifN（N=1，2，3，4，5）这一系列，coiflet具有比dbN更好的对称性。从支撑长度的角度看，coifN具有和db3N及sym3N相同的支撑长度；从消失矩的数目来看，coifN具有和db2N及sym2N相同的消失矩数目。 (5)SymletsA（symN）小波系Symlets函数系是由Daubechies提出的近似对称的小波函数，它是对db函数的一种改进。Symlets函数系通常表示为symN（N=2，3，8）的形式。(6)Morlet（morl）小波Morlet函数定义为，它的尺度函数不存在，且不具有正交性。 (7)Mexican Hat（mexh）小波Mexican Hat函数为 (14)它是Gauss函数的二阶导数，因为它像墨西哥帽的截面，所以有时称这个函数为墨西哥帽函数。墨西哥帽函数在时间域与频率域都有很好的局部化，并且满足由于它的尺度函数不存在，所以不具有正交性。 (8)Meyer小波Meyer小波函数和尺度函数都是在频率域中进行定义的，是具有紧支撑的正交小波。 (15)其中，为构造Meyer小波的辅助函数，且有 (16)4 小波分析在图像处理中的应用4.1 小
