第4章(下)小波与小波变换

1、 Fourier Fourier变换一直是信号处理领域中应用最广泛、变换一直是信号处理领域中应用最广泛、效果最好的一种分析手段，是时域到频域互相转化的效果最好的一种分析手段，是时域到频域互相转化的工具，从物理意义上讲，傅里叶变换的实质是把对原工具，从物理意义上讲，傅里叶变换的实质是把对原函数的研究转化为对其傅里叶变换的研究。但是傅里函数的研究转化为对其傅里叶变换的研究。但是傅里叶变换只能提供信号在叶变换只能提供信号在整个时间域整个时间域上的频率，不能提上的频率，不能提供信号在供信号在某个局部时间段某个局部时间段上的频率信息。上的频率信息。从傅里叶变换到小波变换的从傅里叶变换到小波变换的时频分析

2、法时频分析法傅里叶变换傅里叶变换 傅里叶变换：对于时域的常量函数，在频傅里叶变换：对于时域的常量函数，在频域将表现为冲击函数，表明具有很好的频域域将表现为冲击函数，表明具有很好的频域局部化性质。局部化性质。 j xFf x edx 12j xf xFed傅里叶变换傅里叶变换反傅里叶变换反傅里叶变换x=sin(2*pi*50*t)+sin(2*pi*300*t);%产生50HZ和300HZ的信号f=x+3.5*randn(1,length(t);%在信号中加入白噪声时间 由于傅立叶变换无法作局部分析，为此，人由于傅立叶变换无法作局部分析，为此，人们提出了短时傅里叶变换（们提出了短时傅里叶变换（S

3、TFTSTFT）的概念，即）的概念，即窗窗口傅里叶变换口傅里叶变换。 短时傅里叶变换将整个时间域分割成一些小短时傅里叶变换将整个时间域分割成一些小的的等时间间隔等时间间隔，然后在每个时间段上用傅里叶分，然后在每个时间段上用傅里叶分析，它在一定程度上包含了时间频率信息，但由析，它在一定程度上包含了时间频率信息，但由于时间间隔不能调整，因而难以检测持续时间很于时间间隔不能调整，因而难以检测持续时间很短、频率很高的脉冲信号的发生时刻。短、频率很高的脉冲信号的发生时刻。短时傅里叶变换短时傅里叶变换短时傅里叶变换短时傅里叶变换n基本思想基本思想是：把信号划分成许多小的时间间隔，用是：把信号划分成许多小的

4、时间间隔，用傅立叶变换分析每一个时间间隔，以便确定该时间傅立叶变换分析每一个时间间隔，以便确定该时间间隔存在的频率。间隔存在的频率。 nSTFTSTFT的处理方法是对信号施加一个的处理方法是对信号施加一个滑动窗滑动窗( (反映滑反映滑动窗的位置动窗的位置) )后，再作傅立叶变换。即：后，再作傅立叶变换。即： ( , )( ) ()j txSTFTx ttedt 时限频限短时傅里叶变换短时傅里叶变换短时傅里叶变换短时傅里叶变换 短时傅里叶变换的分析特点(a)(a)频率变化的影响频率变化的影响 (b) (b) 基本分析单元的特点基本分析单元的特点小波起源：小波起源： 19841984年年Morle

5、tMorlet提出提出;1985;1985年年MeyerMeyer构造出小波构造出小波;1988;1988年，年，DaubechiesDaubechies证明了离散小波的存在证明了离散小波的存在;1989;1989年，年，MallatMallat提出多分提出多分辨分析和二进小波变换的快速算法辨分析和二进小波变换的快速算法;1989;1989年年CoifmanCoifman、 MeyerMeyer引入小波包引入小波包;1990;1990年崔锦泰等构造出样条单正交小波基年崔锦泰等构造出样条单正交小波基;1994;1994年年SweldensSweldens提出二代小波提升格式小波提出二代小波提升格

6、式小波(Lifting Scheme)(Lifting Scheme)。小波定义：小波定义：“小小”是指在时域具有紧支集或近似紧支集，是指在时域具有紧支集或近似紧支集，“波波”是指具是指具有正负交替的波动性，直流分量为有正负交替的波动性，直流分量为0 0。小波概念：是定义在有限间隔而且其平均值为零的一种函数。小波概念：是定义在有限间隔而且其平均值为零的一种函数。小波变换小波变换持续宽度相同振荡波正弦波与小波的差异：n用镜头观察目标用镜头观察目标 ( (待分析信号待分析信号) )。n 代表镜头所起的作代表镜头所起的作用用( (如滤波或卷积如滤波或卷积) )。n 相当于使镜头相对于相当于使镜头相对

7、于目标平行移动。目标平行移动。n 的作用相当于镜头向的作用相当于镜头向目标推进或远离。目标推进或远离。 ( )f t( ) tbafb小波变换的粗略解释 小波变换的时频分析小波变换的时频分析尺度a较大距离远视野宽概貌观察尺度a较小距离近视野窄细节观察分析频率低分析频率高由粗到精由粗到精多分辨分析品质因数保持不变品质因数保持不变小波变换的时频分析特点：小波变换的时频分析特点： 小波变换的分析特点小波变换的分析特点(a) 尺度a不同时时域的变化 (b)尺度a不同时频域的变化小波变换的多分辨分析特性：不同a值下小波分析区间的变化不同a值下分析小波频率范围的变化4a2a3a4aaa2a3a4a0频窗时

8、窗小波变换的时频局部特性：小波变换的时频局部特性： 连续小波变换连续小波变换尺度因子尺度因子 的作用是将基本小波的作用是将基本小波 做伸缩，做伸缩， 越大越大 越宽。越宽。 a( ) ta( )ta小波的位移与伸缩 设 ，当 满足允许条件时：连续小波变换连续小波变换称称 为一个为一个“基小波基小波”或或“母小波母小波”。小波变换的含义是：小波变换的含义是： 把基本小波把基本小波( (母小波母小波) )的函数的函数 作位移后，再在不同尺度下作位移后，再在不同尺度下与待分析信号作内积，就可以得到一个小波序列。与待分析信号作内积，就可以得到一个小波序列。2( )cd ( ) ( ) t RLt2(

9、) tn连续情况时连续情况时，小波序列为：小波序列为： ( (基本小波的位移与尺度伸缩基本小波的位移与尺度伸缩) )其中其中 为尺度参量，为尺度参量， 为平移参量。为平移参量。n离散的情况离散的情况，小波序列为，小波序列为 ：0;, 1, aRbaabtatbaab zkjkttjjkj, 222,根据容许条件要求，当=0时，为使被积函数是有效值，必须有 ，所以可得到上式的等价条件为：此式表明 中不含直流，只含有交流，即具有震荡性，故称为“波”，为了使 具有局部性，即在有限的区间之外很快衰减为零，还必须加上一个衰减条件： 0)()0( dtt0)0()(t)(t0, 0,1)(1ctct衰减条

10、件要求小波具有局部性，这种衰减条件要求小波具有局部性，这种局部性称为局部性称为“小小”，所，所以称为小波。以称为小波。对于任意的函数对于任意的函数 的的连续小波变换定义为连续小波变换定义为：逆变换为：逆变换为： 是尺度因子，是尺度因子， 反映位移。反映位移。 a RLtf2 baRRbaffdtabttfadtttfbaw,21,)()()(),( dadbabtbaWaCtffR R ,112b小波介绍小波介绍部分小波n许多数缩放函数和小波函数以开发者的名字命名，例如，nMoret小波函数是Grossmann和Morlet在1984年开发的ndb6缩放函数和db6小波函数是Daubechie

11、s开发的图1 正弦波与小波部分小波小波介绍小波介绍小波分析小波分析n小波分析小波分析/小波变换小波变换变换目的是获得时间和频率域之间的相互关系小波变换n对一个函数在空间和时间上进行局部化的一种数学变换n通过平移母小波(mother wavelet)获得信号的时间信息通过缩放母小波的宽度(或称尺度)获得信号的频率特性n对母小波的平移和缩放操作是为计算小波的系数，这些系数代表局部信号和小波之间的相互关系n对比傅立叶变换n提供了频率域的信息，但丢失了时间域的局部化信息小波分析中常用的三个基本概念n连续小波变换n离散小波变换n小波重构小波介绍小波介绍小波分析小波分析(续续1)n连续小波变换连续小波变换

12、(continuous wavelet transform，CWT)傅立叶分析n用一系列不同频率的正弦波表示一个信号n一系列不同频率的正弦波是傅立叶变换的基函数小波分析n用母小波通过移位和缩放后得到的一系列小波表示一个信号n一系列小波可用作表示一些函数的基函数凡能用傅立叶分析的函数都可用小波分析n小波变换可理解为用经过缩放和平移的一系列函数代替傅立叶变换用的正弦波用不规则的小波分析变化激烈的信号比用平滑的正弦波更有效，或者说对信号的基本特性描述得更好小波介绍小波介绍小波分析小波分析(续续2)CWT的变换过程示例，见图3，可分如下5步n小波 (t)和原始信号f(t)的开始部分进行比较 n计算系数

13、C该部分信号与小波的近似程度；C值越高表示信号与小波相似程度越高n小波右移k得到的小波函数为 (t-k) ，然后重复步骤1和2，直到信号结束 n扩展小波，如扩展一倍，得到的小波函数为 (t/2) 1.重复步骤14 图3 连续小波变换的过程小波介绍小波介绍小波分析小波分析(续续3)连续小波变换用下式表示(,)( ) (, )C scale positionf tscale position t dtn该式含义：小波变换是信号f(t)与被缩放和平移的小波函数之积在信号存在的整个期间里求和nCWT变换的结果是许多小波系数C ，这些系数是缩放因子(scale)和位置(position)的函数n离散小波

14、变换离散小波变换(discrete wavelet transform，DWT) 用小波的基函数(basis functions)表示一个函数的方法n小波的基函数序列或称子小波(baby wavelets)函数是由单个小波或称为母小波函数通过缩放和平移得到的n缩放因子和平移参数都选择2j (j 0的整数)的倍数，这种变换称为双尺度小波变换(dyadic wavelet transform)小波介绍小波介绍小波分析小波分析(续续4)图4 离散小波变换分析图DWT得到的小波系数、缩放因子和时间关系，见图4n图(a)是20世纪40年代使用Gabor开发的短时傅立叶变换(short time Four

15、ier transform，STFT)得到的n图(b)是20世纪80年代使用Morlet开发的小波变换得到的小波介绍小波介绍小波分析小波分析(续续5)执行DWT的有效方法n用Mallat在1988年开发的滤波器，称为Mallat算法；nDWT的概念见图5。S表示原始的输入信号；通过两个互补的滤波器产生A和D两个信号。图5 双通道滤波过程nA表示信号的近似值(approximations)，大的缩放因子产生的系数，表示信号的低频分量nD表示信号的细节值(detail)，小的缩放因子产生的系数，表示信号的高频分量小波介绍小波介绍小波分析小波分析(续续6)小波分解树与小波包分解树n由低通滤波器和高通

16、滤波器组成的树n原始信号通过一对滤波器进行的分解叫做一级分解。信号的分解过程可以迭代，即可进行多级分解。n小波分解树(wavelet decomposition tree)n用下述方法分解形成的树：对信号的高频分量不再继续分解，而对低频分量连续进行分解，得到许多分辨率较低的低频分量，见图6n小波包分解树(wavelet packet decomposition tree) n用下述方法分解形成的树：不仅对信号的低频分量连续进行分解，而且对高频分量也进行连续分解，这样不仅可得到许多分辨率较低的低频分量，而且也可得到许多分辨率较低的高频分量，见图7 小波介绍小波介绍小波分析小波分析(续续7)图6

17、小波分解树小波介绍小波介绍小波分析小波分析(续续8)图7 三级小波包分解树1332 SAAADDADDD小波介绍小波介绍小波分析小波分析(续续9)图8 降采样过程注意：在使用滤波器对真实的数字信号进行变换时，得到的数据将是原始数据的两倍n例如，如果原始信号的数据样本为1000个，通过滤波之后每一个通道的数据均为1000个，总共为2000个。于是,根据尼奎斯特(Nyquist)采样定理就提出了采用降采样(downsampling)的方法，即在每个通道中每两个样本数据中取一个，得到的离散小波变换的系数(coefficient)分别用cD和cA表示，见图8小波介绍小波介绍小波分析小波分析(续续10)

18、n小波重构小波重构重构概念n把分解的系数还原成原始信号的过程叫做小波重构(wavelet reconstruction)或合成(synthesis)，数学上叫做逆离散小波变换(inverse discrete wavelet transform，IDWT)两个过程n在使用滤波器做小波变换时包含滤波和降采样(downsampling)两个过程，在小波重构时也包含升采样(upsampling)和滤波两个过程，见图9n升采样是在两个样本数据之间插入“0”，目的是把信号的分量加长，其过程见图10 小波介绍小波介绍小波分析小波分析(续续11)图9 小波重构方法图10 升采样的方法小波介绍小波介绍小波分析

19、小波分析(续续12)n重构滤波器重构滤波器滤波器关系到能否重构出满意的原始信号。在信号的分解期间，降采样会引进畸变，这种畸变叫做混叠(aliasing)。这就需要在分解和重构阶段精心选择关系紧密但不一定一致的滤波器才有可能取消这种混叠低通分解滤波器(L)和高通分解滤波器(H)以及重构滤波器(L和H)构成一个系统，这个系统叫做正交镜像滤波器(quadrature mirror filters，QMF)系统，如图11所示 图11 正交镜像滤波器系统哈尔函数哈尔函数n哈尔基函数哈尔基函数 基函数是一组线性无关的函数，可以用来构造任意给定的信号，如用基函数的加权和表示哈尔基函数(Haar basis

20、function) n定义在半开区间0，1)上的一组分段常值函数(piecewise-constant function)集n生成矢量空间V0的常值函数000101: ( )0 xVx其他哈尔函数哈尔函数(续续1)n生成矢量空间V1的常值函数110100.5: ( ) ,0 xVx其他1110.51( )0 xx其他 哈尔函数哈尔函数(续续2)n生成矢量空间V2的常值函数012322221,01/41,1/41/2( )( )0,0,1,1/23/41,3/41( )( )0,0,xxxxxxxx其他其他其他其他n可按照以上方法继续定义哈尔基函数和由它生成的矢量空间Vj，哈尔函数哈尔函数(续续

21、3)n为了表示矢量空间中的矢量，每一个矢量空间都需要定义一个基(basis)，哈尔基定义为101( )0 xx其他n为生成矢量空间而定义的基函数也叫做尺度函数(scaling function)。哈尔基尺度函数定义为( )(2),0,1,(21) jjjixxiin其中，j为尺度因子，使函数图形缩小或放大 i为平移参数，使函数沿x轴方向平移哈尔函数哈尔函数(续续4) n哈尔小波哈尔小波(函数函数)最古老和最简单的小波，定义为101/2( )11/210 xxx 当当其他00101/2( )11/210 xxx 其他生成矢量空间W0的哈尔小波哈尔函数哈尔函数(续续5)生成矢量空间W1的哈尔小波1

22、0101/4( )1 1/41/20 xxx 其他1111/23/4( )13/41/20 xxx 其他 哈尔函数哈尔函数(续续6)生成矢量空间W2的哈尔小波22012223101/812/83/8( )1 1/82/8( )13/84/80014/85/816/87/8( )15/86/8( )17/8100 xxxxxxxxxxxx 其他其他其他其他哈尔小波变换哈尔小波变换 n求有限信号的均值和差值求有限信号的均值和差值例例1 假设有一幅分辨率只有4个像素P0、P1、P2、P3的一维图像，对应的像素值或称图像位置的系数分别为 9 7 3 5计算该图像的哈尔小波变换系数n步骤步骤1：求均值(

23、averaging)。计算相邻像素对的平均值，得到一幅分辨率比较低的新图像，它的像素数目变成了2个，即新的图像的分辨率是原来的1/2，相应的像素值为 8 4 哈尔小波变换哈尔小波变换(续续1)n步骤步骤2：求差值(differencing)。为能从2个像素组成的图像重构由4个像素组成的原始图像，就需要存储一些图像的细节系数(detail coefficient)n方法是把像素对的第一个像素值减去这个像素对的平均值，或者使用这个像素对的差值除以2 原始图像用两个均值和两个细节系数表示为 8 4 1 -1n步骤步骤3：重复步骤1和2，把由第一步分解得到的图像进一步分解成分辨率更低的图像和细节系数。

24、其结果，整幅图像表示为 6 2 1 -1哈尔小波变换哈尔小波变换(续续2)把由4个像素组成的一幅图像用一个平均像素值和三个细节系数表示，这个过程称为哈尔小波变换(Haar wavelet transform)，也称哈尔小波分解(Haar wavelet decomposition)。这个概念可以推广到使用其他小波基的变换特点：(1) 变换过程中没有丢失信息，因为能够从所记录的数据中重构出原始图像。(2) 对这个给定的变换，可从所记录的数据中重构出各种分辨率的图像。(3) 通过变换之后产生的细节系数的幅度值比较小，为图像压缩提供了一种途径，如去掉微不足道的系数分辨率平均值细节系数49 7 3 5

25、28 41 -1162表1 哈尔变换过程哈尔小波变换哈尔小波变换(续续3)n哈尔小波变换哈尔小波变换在例1中的求均值和差值的过程实际上就是一维小波变换的过程，现在用数学方法重新描述哈尔小波变换nI(x)图像用V2中的哈尔基表示22220123( )9( )7( )3( )5( ) I xxxxx哈尔小波变换哈尔小波变换(续续4)nI(x)图像用V1和W1中的函数表示生成V1矢量空间的基函数为 和 ，生成矢量空间W1的小波函数为 和 ，I(x)可表示为01( )x11( )x10( )x11( ) x 11111111001 10011( )( )( )( )( )I xcxcxdxdx哈尔小波

26、变换哈尔小波变换(续续5)nI(x)图像用V0、W0和 W1中的函数表示生成矢量空间V0的基函数为 ，生成矢量空间W0的小波函数为 ，生成矢量空间W1的小波函数为 和 ， I(x)可表示为00( ) x00( )x10( )x11( ) x0000111100000011( )( )( )( )( )I xcxdxdxdx二维小波变换的实现二维小波变换的实现n假定二维尺度函数可分离，则有假定二维尺度函数可分离，则有 n其中其中 、 是两个一维尺度函数。若是两个一维尺度函数。若 是相应是相应的小波，那么下列三个二维基本小波：的小波，那么下列三个二维基本小波：n n与与 一起就建立了二维小波变换的

27、基础。一起就建立了二维小波变换的基础。( , )( ) ( )x yxy1( , )( ) ( )x yxy2( , )( ) ( )x yxy3( , )( )( )x yxy( , )x y( )x( )y( )x图像小波变换的正变换图像小波变换的正变换正变换正变换 图像小波分解的正变换可以依据二维小波变换按图像小波分解的正变换可以依据二维小波变换按如下方式扩展，在变换的每一层次，图像都被分如下方式扩展，在变换的每一层次，图像都被分解为解为4 4个四分之一个四分之一大小的图像。大小的图像。图像小波变换的逆变换图像小波变换的逆变换逆变换逆变换在每一层(如最后一层)都通过在每一列的左边插入一列

28、零来增频采样前一层的4个阵列(即4个分解图像)；接着用重构低通滤波器h和重构高通滤波器g来卷积各行，再成对地把这几个的阵列加起来；然后通过在每行上面再插入一行零来将刚才所得两个阵列(图像)的大小增频采样为NN；再用h和g与这两个阵列的每列进行卷积。这两个阵列的和就是这一层次重建的结果。 对于二维图像信号，在每一层分解中，由原始对于二维图像信号，在每一层分解中，由原始图像信号与一个小波基函数的内积后再经过在图像信号与一个小波基函数的内积后再经过在x x和和y y方向的二倍间隔抽样而生成四个分解图像信号。对方向的二倍间隔抽样而生成四个分解图像信号。对于第一个层次于第一个层次(j=1)(j=1)可写

29、成可写成：0021( , )( , ), (2 ,2 )A m nAx yxm yn10121( , )( , ),(2 ,2 )D m nAx yxm yn20221( , )( , ),(2 ,2 )Dm nAx yxm yn30321( , )( , ),(2 ,2 )D m nAx yxm yn二维小波变换的二维小波变换的Mallat算法算法 将上式内积改写成卷积形式，则得到离散小波变将上式内积改写成卷积形式，则得到离散小波变换的换的MallatMallat算法算法的通用公式：的通用公式： 10022,( , )( , ) (2 ) (2 )jjx yAm nAx y h xm h y

30、n11022,( , )( , ) (2 ) (2 )jjx yDm nAx y h xm g yn12022,( , )( , ) (2 ) (2 )jjx yDm nAx y g xm h yn13022,( , )( , ) (2 ) (2 )jjx yDm nAx y g xm g yn二维小波变换二维小波变换MallatMallat算法的通用公式：算法的通用公式：二维二维MallatMallat多分辨率分解与重构多分辨率分解与重构二维哈尔小波变换二维哈尔小波变换n用小波对图像进行变换的两种方法用小波对图像进行变换的两种方法标准分解(standard decomposition)n首先

31、使用一维小波对图像每一行的像素值进行变换，产生每一行像素的平均值和细节系数，然后使用一维小波对这个经过行变换的图像的列进行变换，产生这个图像的平均值和细节系数 n分解的过程如下： 二维哈尔小波变换二维哈尔小波变换(续续1)图7-28 图像的标准分解方法 二维哈尔小波变换二维哈尔小波变换(续续2)非标准分解(nonstandard decomposition)n用一维小波交替地对每一行和每一列像素值进行变换。n对每一行计算像素对的均值和差值，然后对每一列计算像素对的均值和差值n对包含均值的1/4像素计算行和列的均值和差值，依此类推n过程如下：二维哈尔小波变换二维哈尔小波变换(续续3)图7-29 图像的非标准分解