第7章-小波与小波变换

1、多媒体技术教程多媒体技术教程第第7章章 小波与小波变换小波与小波变换 第7章 小波与小波变换2/62第7章 小波与小波变换目录 7.1 小波介绍小波介绍7.1.1 小波简史7.1.2 小波概念7.1.3 小波分析7.1.4 小波定义7.2 哈尔函数哈尔函数7.2.1 哈尔基函数7.2.2 哈尔小波函数7.2.3 函数的规范化7.2.4 哈尔基的结构7.3 哈尔小波变换哈尔小波变换7.4 规范化算法规范化算法7.5 二维哈尔小波变换二维哈尔小波变换7.5.1 二维小波变换举例7.5.2 二维小波变换方法第7章 小波与小波变换3/62 在某种分辨率下无法发现的特性，在另一分辨在某种分辨率下无法发现

2、的特性，在另一分辨率下将很容易被发现。率下将很容易被发现。 物体尺寸小、对比度不高物体尺寸小、对比度不高用高分辨率查看用高分辨率查看 物体尺寸大、对比很强物体尺寸大、对比很强用低分辨率查看用低分辨率查看 在不同的时间有不同的频率分析在不同的时间有不同的频率分析引入小波引入小波第7章 小波与小波变换4/627.1 小波介绍小波介绍1807: Joseph Fourier n傅立叶理论指出傅立叶理论指出，一个信号可表示成一系列正弦一个信号可表示成一系列正弦和余弦函数之和，叫做傅立叶展开式和余弦函数之和，叫做傅立叶展开式n小波简史小波简史小波变换 (wavelet transform)是什么n老课题

3、：函数的表示方法 n新方法：FourierHaarwavelet transform 傅里叶傅里叶 哈尔哈尔 小波变换小波变换第7章 小波与小波变换5/627.1 小波介绍小波介绍where cossinj tetjt( )( )( )( )ej tj tFf t edtf tF121、只有频率分辨率而没有时间分辨率、只有频率分辨率而没有时间分辨率可确定信号中包含哪些频率的信号，但不能确定具有这些频率的信号出现在什么时候2、要考虑所有时间域的信息，不能反映局部信息、要考虑所有时间域的信息，不能反映局部信息的特征的特征第7章 小波与小波变换6/627.1 小波介绍小波介绍1909: Alfred

4、 HaarnAlfred Haar对在函数空间中寻找一个与傅立叶类似寻找一个与傅立叶类似的基非常感兴趣的基非常感兴趣。1909年他发现并使用了小波，后来被命名为哈尔小波哈尔小波(Haar wavelets)第7章 小波与小波变换7/627.1 小波介绍小波介绍1945: Gaborn开发了短时傅里叶变换短时傅里叶变换STFT (short time Fourier transform)( ,)( )where: ( )signal ( )= windo(wing )functionj tgSTFTs tedts tg ttSTFT的时间-频率关系图 第7章 小波与小波变换8/627.1 小波介

5、绍小波介绍1980：Morletn20世纪70年代，在法国石油公司工作的年轻地球物理学家Jean Morlet提出小波变换 (wavelet transform，WT)的概念。n 20世纪80年代, 开发了连续小波变换连续小波变换 (continuous wavelet transform， CWT)1986：Y.Meyern法国科学家Y.Meyer与其同事创造性地构造出具有一定衰减性的光滑函数，用于分析函数n用缩放用缩放(dilations)与平移与平移(translations)均为均为2 j(j0的整数的整数)的倍数构造了的倍数构造了L2(R)空间的规范正交基，空间的规范正交基，使小波分

6、析得到发展使小波分析得到发展第7章 小波与小波变换9/627.1 小波介绍小波介绍1988：Mallat算法n法国科学家Stephane Mallat提出多分辨率概念，从空间上形象说明小波的多分辨率的特性，并提出了正交正交小波的构造方法和快速算法小波的构造方法和快速算法，称为Mallat算法1n该算法统一了在此之前构造正交小波基的所有方法，其地位相当于快速傅立叶变换在经典傅立叶分析中的地位第7章 小波与小波变换10/627.1 小波介绍小波介绍(续续8)小波理论与工程应用nInrid Daubechies于1988年最先揭示了小波变换和滤波器组(filter banks)之间的内在关系2，使离

7、散小波分析变成为现实nRonald Coifman和Victor Wickerhauser等著名科学家在把小波理论引入到工程应用方面做出了极其重要贡献n在信号处理中，自从Stephane Mallat和Inrid Daubechies发现滤波器组与小波基函数有密切关系之后，小波分析在信号小波分析在信号(如声音和图像如声音和图像)处理中得到极其处理中得到极其广泛的应用广泛的应用第7章 小波与小波变换11/627.1 小波介绍小波介绍n小波小波(wavelet)是什么是什么 在有限时间范围内变化且其平均值为零的数学函数在有限时间范围内变化且其平均值为零的数学函数n具有有限的持续时间有限的持续时间和

8、突变的频率和振幅突变的频率和振幅n在有限的时间范围内，它的平均值等于零有限的时间范围内，它的平均值等于零第7章 小波与小波变换12/627.1 小波介绍小波介绍(续续1)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Daubechies开发的图7-1 正弦波与小波部分小波第7章 小波与小波变换13/627.1小波分析小波分析n小波变换是一种信号的时间时间-尺度（时间尺度（时间-频率频率）分析方法，它具有多分辨率分析（Multiresolution Analysis）的特点。小

9、波分析方法是一种窗口大小（即窗口面积）固定但其形状可改变，时间窗和频率窗都可以改变的时频局部化分析方法。n它被誉为数学显微镜 .n它在时域和频域同时具有良好的局部化性质,在时频两域都具有表征信号局部特征的能力.第7章 小波与小波变换14/627.1 小波介绍小波介绍小波分析小波分析 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变换目的是获得时间和频率域之间的相互关系1、小波变换、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通过平移母小波获得信号的时间信息通过平移母小波获得信号的时间信息通过缩放母小

10、波的宽度通过缩放母小波的宽度( (或称尺度或称尺度) )获得信号的频率特性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表局部信号和小波之间的相互关系n对比傅立叶变换对比傅立叶变换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：小波分析中常用的三个基本概念：1、连续小波变换、连续小波变换 2、离散小波变换、离散小波变换3、小波重构、小波重构第7章 小波与小波变换15/627.1 小波介绍小波介绍小波分析小波分

11、析(续续1)n连续小波变换连续小波变换(continuous wavelet transform，CWT)傅立叶分析傅立叶分析n用一系列不同频率的正弦波表示一个信号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

12、代替傅立叶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更有效，或者说对信号的基本特性描述得更好第7章 小波与小波变换16/627.1 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7-3，可分如下5步1. 小波 (t)和原始信号f(t)的开始部分进行比较 2. 计算系数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3. 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

13、到信号结束 4. 扩展小波，如扩展一倍，得到的小波函数为 (t/2) 5. 重复步骤14 图7-3 连续小波变换的过程第7章 小波与小波变换17/627.1 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与被缩放和平移的小波函数之之积在信号存在的整个期间里求和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变换的结果是许多小波系数C ，这些系数是缩放因子，这些系数是缩放因子(scale)

14、和位置和位置(position)的函数的函数n离散小波变换离散小波变换(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缩放因子和平移参数都选择2j (j 0的整数的整数)的倍数，这种变换称的倍数，这种变换称为双尺度小波变换为双尺度小波变换(dyadic wavelet transform)第7章 小波与小波变换18/627.1 小波介绍小波介绍小波分析小波分析(续续4)图7-5

15、 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7-5n图(a)是20世纪40年代使用Gabor开发的短时傅立叶变换(short time Fourier 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第7章 小波与小波变换19/627.1 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1nDWT的概念见图7-6。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7-6 双通道滤波过程nA表示信号的表示信号的近似值，近似值， 大的缩放

16、因子产生的系数，大的缩放因子产生的系数，表示信号的表示信号的低频分量低频分量nD表示信号的表示信号的细节值细节值 小的缩放因子产生的系数，小的缩放因子产生的系数，表示表示信号的高频分量信号的高频分量第7章 小波与小波变换20/627.1 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对信号的高频分量不再继续分解，而对低频分量

17、连续进行分解解，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7-7n小波小波包包分解树分解树(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7-8 第7章 小波与小波变换21/627.1 小波介绍小波介绍小波分析小波分析(续续7)图7-7 小波分解树第7章 小波与小波变换22/62小波分解图示小波分解图示第7章 小波与小波变

18、换23/627.1 小波介绍小波介绍小波分析小波分析(续续8)图7-8 三级小波包分解树1332 SAAADDADDD注：信号的表示也可以有其它的分解组合注：信号的表示也可以有其它的分解组合第7章 小波与小波变换24/627.1 小波介绍小波介绍小波分析小波分析(续续9)图7-9 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(Nyquist)采样定理就提出了采用降采样的方法

19、：采样定理就提出了采用降采样的方法： 即在每个通道中每两个样本数据中取一个，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7-9 第7章 小波与小波变换25/62小波分析对信号的处理小波分析对信号的处理(1) 一维小波变换信号的主体，信号的主体，保留原信号的保留原信号的绝大部分能量绝大部分能量具有较少的能具有较少的能量，为原信号量，为原信号的细节信息的细节信息第7章 小波与小波变换26/62第7章 小波与小波变换27/62第7章 小波与小波变换28/62n% 使用使用db1在第在第3层进行分解层进行分解nc,l=wavedec

20、(s,3,db1);nc中存放三层小波变换后的所有系数中存放三层小波变换后的所有系数nl中存放的中存放的ca3 cd3 cd2 cd1 c的长度。的长度。n设设s的长度为的长度为2000，则，则l =250;250;500;1000;2000第7章 小波与小波变换29/62第7章 小波与小波变换30/62第7章 小波与小波变换31/62(2) 二维小波变换二维小波变换第7章 小波与小波变换32/62 图像信号像素点间一般都具有相关性，相邻行、列之间的相关性最强，其相关性系数呈指数规律衰减，通过小波变换可以将信号从一个正交矢量空间变换到另一个正交矢量空间，即从空间域变换到频率域，使变换后各信号分

21、量之间的相关性很小，或者不相关第7章 小波与小波变换33/62第7章 小波与小波变换34/627.1 小波介绍小波介绍小波分析小波分析(续续10)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滤波和降采样降采样两个过程，在小波重构时也包含升采样升采样和滤波滤波两个过程，见图7-10n升采样是在两个样本数

22、据之间插入“0”，目的是把信号的分量加长，其过程见图7-11 第7章 小波与小波变换35/627.1 小波介绍小波介绍小波分析小波分析(续续11)图7-10 小波重构方法图7-11 升采样的方法升采样升采样滤波滤波滤波滤波升升采采样样第7章 小波与小波变换36/627.1 小波介绍小波介绍小波分析小波分析(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

23、成一个系统，这个系统叫做正交镜像滤波器正交镜像滤波器(quadrature mirror filters，QMF)系统，如图7-12所示 图7-12 正交镜像滤波器系统第7章 小波与小波变换37/627.1.4 小波定义小波定义 小波由一个定义在有限区间的函数小波由一个定义在有限区间的函数 来构造来构造 ，该小波可以成为母小波或者基本小波。，该小波可以成为母小波或者基本小波。 小波基函数小波基函数 可以由缩放和平移母小波来生成。可以由缩放和平移母小波来生成。 a为缩放因子，为缩放因子，b为平移因子为平移因子本教材采用离散小波变换，本教材采用离散小波变换，1/2,( )()a bxbxaa( )

24、 x,( )a bx2 ,jabia/2( )2(2)jjjixxii为缩放因子，为缩放因子，j为平移因子为平移因子第7章 小波与小波变换38/627.2 哈尔函数哈尔函数n7.2.1 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哈尔基函数(Haar basis function) n定义在半开区间定义在半开区间0，1)上的一组分段常值函数集上的一组分段常值函数集n生成矢量空间生成矢量空间V0的常值函数的常值函数000101: ( )0Vxx其他第7章 小波与小波变换39/627.2 哈尔函数哈尔函数(续续1)n生成矢量空间V1

25、的常值函数101100.5: ( ) ,0Vxx其他1110.51( )0 xx其他 第7章 小波与小波变换40/627.2 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，第7章 小波与小波变换41/627.2 哈尔函数哈尔函数(续续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

26、函数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。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，使函数沿为平移参数，使函数沿x轴方向平移轴方向平移第7章 小波与小波变换42/62 定义了基和矢量空间，可以把由定义了基和矢量空间，可以把由2j个像素的组成的个像素的组成的一维图像看成矢量空间一维图像看成矢量空间Vj中的一个矢量，这些矢量都中的一个矢量，这些矢量都在单位区间在单位区间0,1)上定义的函数，所以上定义的函数，所以Vj矢量

27、空间中的每矢量空间中的每一个矢量也被包含在一个矢量也被包含在Vj+1矢量空间中。矢量空间中。 0121jjVVVVV1jjVV对于一个对象，越近，看的细节越多对于一个对象，越近，看的细节越多近看的东西会包括远处看到的东西近看的东西会包括远处看到的东西第7章 小波与小波变换43/62对于一个对象，越近，看的细节越多对于一个对象，越近，看的细节越多近看的东西会包括远处看到的东西近看的东西会包括远处看到的东西矢量空间矢量空间Vj的性质的性质第7章 小波与小波变换44/627.2 哈尔函数哈尔函数(续续4) n7.2.2 哈尔小波哈尔小波(函数函数)最古老和最简单的小波，最古老和最简单的小波，定义为1

28、01/2( )11/210 xxx 当当其他00101/2( )11/210 xxx 其他生成矢量空间W0的哈尔小波第7章 小波与小波变换45/627.2 哈尔函数哈尔函数(续续5)生成矢量空间W1的哈尔小波10101/4( )1 1/41/20 xxx 其他1111/23/4( )13/41/20 xxx 其他 第7章 小波与小波变换46/627.2 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

29、他其他第7章 小波与小波变换47/62 哈尔小波哈尔小波 生成的矢量空间生成的矢量空间Wj包含在包含在矢量空间矢量空间Vj+1中，中，( )jix1jjWV其实Wj，就是细节，就是细节,为为Vj和和Vj+1的正交互补空间的正交互补空间第7章 小波与小波变换48/627.3 哈尔小波变换哈尔小波变换 n求有限信号的均值和差值的过程求有限信号的均值和差值的过程例例7. 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步骤步骤1：计算相邻像素对的平均值计算相邻像素对的平均值，得到一幅分辨率比得到一幅分辨

30、率比较低的新图像较低的新图像，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 （9+7）/2=8 ( 3+5)/2=4 8 4 平均像素值平均像素值第7章 小波与小波变换49/627.3 哈尔小波变换哈尔小波变换(续续1)n步骤步骤2：求差值。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。 方法是把像素对的第一个像素值减去这个像素对的平把像素对的第一个像素值减去这个像素对的平均值均值，或者使用这个像素对的差值除以或者使用这个像素对的差值除以2 （9-7）/2=1 (3-5)/2=-1 原始图像用两个均值和两个细节系数表示为 8 4

31、 1 -1 像素均值像素均值，细节值细节值n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。其结果，整幅图像表示为 6 2 1 -1第7章 小波与小波变换50/627.3 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

32、，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 3 528 41 -1162表7-1 哈尔变换过程第7章 小波与小波变换51/627.3 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7.1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第7章 小波与小波变换52/627.3 哈尔小波变换哈尔小波变换(续续4)nI(

33、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第7章 小波与小波变换53/627.3 哈尔小波变换哈尔小波变换(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( )( )( )( )

34、( )I xcxdxdxdx第7章 小波与小波变换54/627.4 规范化的小波变换规范化的小波变换n规范化的小波变换规范化的小波变换 求像素均值和细节差值时求像素均值和细节差值时 除除 用的是用的是 非规范化算法非规范化算法 除除 用的是用的是 2 具体看书本具体看书本107页的例子页的例子第7章 小波与小波变换55/627.5 二维哈尔小波变换二维哈尔小波变换n二维小波变换过程（二维小波变换过程（P109）1、图像块矩阵、图像块矩阵A2、每一行执行一维小波变换，求均值和细节值，直到完成、每一行执行一维小波变换，求均值和细节值，直到完成 每一行元素的第一个元素为该行像素的平均值，其余为细节每一行元素的第一个元素为该行像素的平均值，其余为细节值值3、对矩阵的每一列执行一维小波变换，求均值和细节值，直、对矩阵的每一列执行一维小波变换，求均值和细节值，直到完成到完成 左上角的元素为整个图像块的像素平