已阅读5页,还剩57页未读, 继续免费阅读
(通信与信息系统专业论文)基于小波变换与独立分量分析的信号提取算法研究.pdf.pdf 免费下载
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
西南交通大学硕士研究生学位论文第1 页 摘要 由于器件和环境的影响,使各类图像信号存在着噪声,对提取图像边缘 造成困难。尽管目前有不少关于边缘提取的算法,但在噪声存在的情况下提 取边缘并不理想。在时频域里,小波变换具有独特的多尺度分析技术,使信 号与噪声在多尺度分解下表现出来的性质不同,信号相邻分解尺度间具有相 关性。 本文提出一种改进的边缘检测算法一基于小波层问系数反向移位相关提 取含噪图像边缘:把图像进行小波多尺度分解,让相邻小波系数反向移位相 乘从而增强边缘,形成滤波图象后对某层子图像滤波从而达到去除噪声的效 果。根据仿真结果表明该算法比传统边缘提取方法对噪声有更好的抑制作用。 随着现代信息技术的发展,人们通过传感器获取含有信息的数据,然而 传感器检测到的往往是多个未知信源混在一起的信号,对混合的盲信号进行 分离是必不可少的。现有许多独立分量分析( i c a ) 算法引入了迭代,计算量 很大,可能出现不收敛的结果。许多i c a 算法仅对超高斯源信号或者亚高斯 源信号二者之一有效,但对两者并存的情况缺乏实用性。 本文将信号经过小波分解以后的近似系数和细节系数参与到i c a 的寻优 过程中,以盲源分离效果越好信噪比越高的特点,建立信噪比目标函数。小 波近似系数表征了信号的绝大部分信息,提出基于小波变换的全局最优盲分 离算法:在建立目标函数以后,把近似系数作为对源信号的估计,寻优过程转 换为特征值求解。通过仿真结果表明该算法无需迭代,复杂性和运算较低, 分离效果较好。小波细节系数也是信号重要组成部分,在此基础上提出了一 种改进的算法:基于小波平滑的超高斯与亚高斯信号盲分离算法。通过仿真结 果表明该改进算法具有前一种算法的优点,而且比前一种算法具有更好的相 似系数和分离效果。 关键词:小波变换;独立分量分析;边缘提取;盲分离;非高斯信号 西南交通大学硕士研究生学位论文第l l 页 a b s t r a c t i nt h ei n f l u e n c eo f a p p a r a t u sa n de n v i r o n m e n t , t h e r ea i i es o m en o i s ei ne v e r y k i n do fi m a g e s s oi ti sd i 伍c u l tt od e t e c te d g e s t h e r eh a v eb e e ns o m ea l g o r i t h m s o ne d g cd e t e c t i c l n b u tt h e yc a n tg e ti d e a lr e s u l t s 船n o i s ei nt h e n l w a v e l e t t r a n s f o r m p r o v i d e ss p e c i a l m u l f i s c a l e s d e c o m p o s i t i o nt e c h n o l o g y i nt i m e f r e q u e n c yd o m a m , n m k i n gs i g n a l sa n dn o i s es h o wd i f f e r e n tp r o p e r t ya n dm a k i n g a d j a c e n ts c a l e s c o r r e l a t i o n t h i sp a p e rp r e s e n ta ni m p r o v e de d g ed e t e c t i o na l g o r i t h m s - - e d g ed e t e c t i o ni n n o i s yi m a g eb a s e do nw a v e l e ti n t e r s c a l e sb a c ks h i f t i n gc o r r e l a t i o n :i tr e s o l v e s i m a g eb y w a v e l e tb a c k i n g s h i f t i n g l ym u l t i p l y b e t w e e na d j a c e n tw a v e l e t c o e f f i c i e n t st oe n h a n c ee d g e s t h e nf o r mf i l t e r e di m a g ea n df i l t e rs o m es u b m i a g e s t od e n o i s e s i m u l a t i o nr e s u l ts h o w st h i si m p r o v e da l g o r i t h mc a nb e t t e rr e s t r a i n n o i s et h a nt r a d i t i o n a le d g ed e t e o r i o na l g o r i t h m s a st h ed e v e l o p m e n to fi n f o r m a t i o nt e c h n o l o g y ,h u m a nb e i n g sr e c e i v ed a t a c o n t a i n i n gi n f o r m a t i o nb ys e n s o r s ,w h i c ha r em i x e db yr o l l o w ns o u r c e s s oi ti s n e c e s s a r yt os e p a r a t em i x e db l i n ds o u r c e s m a n yi n d e p e n d e n tc o m p o n e n t a n a l y s i s ( i c a ) a l g o r i t h m sn e e di t e r a t i o na n dl a r g ec o u t i n g ,w h i c hm a yb eg e t d i v e 娼e n c er e s u l t t h e y a r ev a l i dw h e ns o u r c e sa r e s u p e 玛a u s s i 锄 o r s u b g a u s s i a n , b u tc a l l tb ep r a c t i c a lw h e nm i x e d s o u c e sa r es u p e r g a u s s i a ns i g n a la n d s u b g a u s s i a ns i g n a lt o g h i c t a f t e rw a v e l e td e c o m p o s i t i o no fs i g n a l ,i tg e t sa p p r o x i m a t e dc o e f f i c i e n t sa n d d e t a i l e dc o e f f i c i e n t sw h i c ha r ej o i n e di nt h ei c ao p t i m i z a t i o np r o c e s s t h e ni t b u i l t sas i g n a lt on o i s er a t i oo b j e c t i v ef u n c t i o nb a s e d0 1 1p e c u l i a r i t yt h a tb e t t e r b l i n ds o u r c es e p a r a t i o nr e s u l t , h i g h e rs i g n a lt on o i s er a t i o m o s ti n l f o r m a t i o no f s i g n a li ss h o w nb yw a v e l e ta p p r o x i m a t e dc o e f f i c i e n t s ,s ot h i sp a p e rp r e s e n ti c a m e t h o dw i t hg l o b a lo p t i m a lp r o p e r t yb a s e do nw a v e l e tt r a n s f o r m :a f t e rb u i l d i n g o b j e c t i v ef u n c t i o n ,l e ta p p r o x i m a t e dc o e f f i c i e n t s 觞e s t i m a t i o no f s o u r c es i g n a l s , o p t i m i z a t i o ni sc h a n g e di n t oe i g e n v a l u ed e c o m p o s i t i o n t h i sm e t h o dh a v e n ta n y i t e r a t i o n , l o wc o m p l e x i t ya n dc o u n t i n gf r o ms i m u l a t i o nr e s u l t w a v e l e td e t a i l e d 西南交通大学硕士研究生学位论文第1 ll 页 c o e 伍c i e n t sa r ei m p o r t a n tp a r to f s i g n a l ,s oi tp r e s e n t sa ni m p r o v e da l g o r i t h m :b l i n d s e p a r a t i o n i n s u p e r g a u s s i a n a n d s u b g a u s s i a ns i g n a l s b a s e d0 1 1w a v e l e t s m o o t h i n g s i m u l a t i o nr e s u l ts h o w st h i si m p r o v e dm e t h o dh a v es a m em e r i to f p r e c e d i n gm e t h o d , b u tb e t t e rr e s e m b l a n tc o c 街c i e n t sa n ds e p a r a t e de 岱e c t k e yw o r d s :w a v e l e tt r a n s f o r m ;i n d e p e n d e n tc o m p o n e n ta n a l y s i s ;e d g ed e t e c t i o n ; b l i n ds e p a r a t i o n ;u n g a u s s i a ns i g n a l 西南交通大学硕士研究生学位论文第l 页 第1 章绪论 1 1 论文研究的背景及意义 图像是人类从外界环境中获取信息的一个重要来源,如何对获取的图像 进行加工处理显得尤为重要。对一个优秀的数字图像处理系统来说,应尽可 能的充分利用图像在边缘、纹理等方面的特性来提高系统性能。然而在对获 取的图像进行边缘提取过程中,常常不可避免的会混进噪声,噪声可以理解 为妨碍人的视觉器官或系统传感器对所接收的图像源信息进行理解或分析的 各种因素。随着新兴技术的兴起,利用新兴技术对图像进行边缘检测研究引 起了人们很大的兴趣,出现了基于模糊数学、神经网络、遗传算法、小波变 换等等许多新的边缘检测方法。 新兴技术的边缘检测研究是现在边缘检测算法的主要研究方向。2 0 世纪 9 0 年代兴起的小波变换【1 】为信号在不同尺度上分析和表征提供了一个精确 和统一的框架【2 】,其中心思想是基于时频域的多分辨率分解,小波基函数均由 一个小波母函数经过平移与伸缩得到,所有基函数的相位特性均由小波母函 数决定,因此在对图像进行处理中能较好的体现出图像的一些相位信息。而 对图像来说,其重要特征信息( 如图像的边缘细节部分) 与像素间的高阶统计 特性有着密切关系,高阶统计特性往往包含了更重要的图像结构和相位特征。 因此,当使用传统方法对图像进行边缘提取时,一般仅实现了二阶冗余的去 除,各分量间仍存在高阶的统计相关性( s t a t i s t i c a ld e p e n d e n c i e s ) 。 我们知道,对图像来说,相邻像素问的灰度值大多具有较高的相关性, 即一幅图像中的某个像素的灰度值与其周围的相邻像素灰度值通常相差不 大。这一特性使得我们可以从部分图像预测整体图像,同时也使得对图像的 边缘提取成为可能。这促使许多学者开发了基于小波变换的各种边缘检测方 法:许传详等人采用以零点为对称点的对称二进小波来检测屋顶边缘,用以 零点为反对称点的二进小波来检测阶跃边缘【3 】。章国宝提出用正交小波来提取 多尺度边缘【4 】。王玉平将b 样条小波用于边缘检测【5 】。 小波变换在科技信息产业的领域取得了令人注目的成就。电子信息技术 作为六大高新技术中的一个重要领域,它的重要方面就是信号与图像处理。 如今,信号处理已经成为当代科学技术工作的重要部分,信号处理的目的是: 西南交通大学硕士研究生学位论文第2 页 准确地分析和诊断、精确地重构( 或恢复) 信号。从数学角度来看,信号与图 像处理可统一看成是信号处理( 图像可看作是二维信号) ,在小波变换的许多 应用中,都可归结为信号处理问题。现在,对于其性质是随时间稳定不变的 信号,处理的理想工具仍然是f o u r i e r 分析。但是,在实际应用中,绝大多数 信号是非稳定的,而特别适用于非稳定信号的工具就是小波分析。 盲分离技术是处理图像和声音信号的重要工具。多年来人们接收着大量 的图像和声音信息,即通过传感器检测获取信息的数据( 信号) ,并通对这些 信息进行加工来获得知识和改造自然的能力。然而传感器检测到的往往是多 个未知成分混在一起的信号。在传感器检测方面人们一直追求对真实源信号 的检测,新原理新方法新技术不断出现,如尽可能将传感器布置靠近源信号 位置,采用多个传感器等措施检测真实的源信号。由于检测到的信号是混合 信号,因此对于有些情况( 如地震信号等) 较真实源信号检测就更加困难。 虽然各种信号处理方法如f i r 滤波、f i r 滤波、自适应滤波、神经网络信号处 理等得到应用并起到很大作用,而盲信号处理与传统的处理方法完全不同, 它是信号处理领域的一个新的研究方向,同时也是一个引人瞩目的应用热点。 目前i c a 已经在诸多方面获得了初步的甚至是实际的应用。在生物医学 方面,i c a 用于诱发脑电信号的特征提取,分离胎儿心电信号、核磁功能成 像等。在无线通信方面,i c a 也已在盲多用户检测、盲均衡、盲辨识等方面 获得了初步的应用,该技术能够消除噪声、抑制干扰,提高通信质量。在图 像处理方面,i c a 已用于人脸识别、s a r 图像相干斑的消除、图像特征提取、 图像的消噪等方面。同时注意到语音信号、图像信号的分离与识别是盲信号 处理的一个重要领域,最典型的应用就是声控计算机,计算机所接收到的语 音和图像肯定是带有各种环境噪声,还可能存在其他的信号,而且这些信号 源与接收器的相对位置也未知,计算机需要在这种情况下分离和识别语音与 图像信号。在语音与图像分离问题上,i c a 目前是最好的一种技术。此外,i c a 在金融数据分析、数据挖掘洳1 、机械工程学等其他许多领域中均获得了成功 的应用。总之,独立分量分析技术在信号的预处理方面有着广泛的应用前景。 1 2 小波理论的发展及研究现状 小波( w a v e l e t ) 变换是由法国数学家m o d e t 于1 9 8 0 年提出的,他与法国理 论物理学家g r o s s m a n 共同提出连续小波变换的几何体系,其基础是平移和伸 西南交通大学硕士研究生学位论文第3 页 缩( 即放射群) 下的不变性“1 ,这使得能将一个信号分解成对空间和尺度( 即时 间与频率) 的独立贡献,同时又不丢失原有信号的信息。小波作为函数,它的 平移伸缩系用于在平方可积空间r 似) 展开的概念是由g r o s s m a n 和m o r l e t 首 先引入的。1 9 8 5 年法国数学家m e y e r 在连续小波理论的容许性及重构公式之 后承认了c a l d e r o n 恒等式,之后又与比利时数学家d a u b e c h i e s 以及g r o s s m a n 通过构成r ( 彤) 的一个准正交完全集的方式选取连续小波空间的一个离散子 集,称之为框架,并证明了一维小波函数甲的存在性。1 ,l e m a r i e 将这一理论 推广至n 维情形,同时m e y e r 和b a t t l e 又分别给出了具有指数衰减特性的小 波函数。它的平移伸缩系构成三2 ( 足) 的规范正交基,从尺度函数出发构造出了 小波正交基。新理论对相关学科的发展有着重要的影响,1 9 8 8 年m a l l a t 将计 算机视觉领域内的多尺度分析的思想引入到小波分析中,提出多分辩分析( 或 逼近) 概念叫,用多分辨分析来定义小波,给出了构造正交小波基的一般方法 和与f f t 相对应的快速小波算法m a l l a t 算法,并将这一理论用于图像分 析和完全重构。值得一提的是d a u b e c h i e s 基于离散滤波器迭代方法构造了紧 支集规范正交小波基,证明了具有有限支集正交小波基的存在性,把在此之 前的所有正交小波的构造统起来,并为以后的构造设定了框架。随后他又 发表了长篇综述,对小波理论的发展和推广起到了促进作用。许多研究人员 继续研究满足各种不同要求的小波展开并将其推广到n 维以外的情形。就 m a l l a t 的多分辨率分析而言,它本质是二进小波变换【1 2 】,随着它应用的不断 推广,也表现出了不足。对此,p e t e r s t e f f e n 等提出了m 带小波理论。实践证 明它比二带小波具有更好的能量集中性。为了达n d , 波包的全频带快速分解 和实现,张健康等人提出了m 带小波包理论【1 3 j 。针对调频z 变换( c z t ) 的c w t 快速算法计算速度较慢和基于m e l l i n 变换的c w t 快速算法中尺度不宜太大 的限制,王东伟等人提出了基于m e l l i n 变换分析非平稳振动信号的c w t 快 速算法,并作了验证。我们知道,寻找相对尺度,平移、旋转不变的小波不 变量( r s t ) 是现今多分辨分析在模式识别中应用的关键性问题,高立志等对图 像进行了多分辨分解,。并利用尺度的小波逼近系数对矩进行了描述,给出了 一种在对图像进行小波分辨分解过程中存在的视觉不变量小波矩,并进 一步把小波矩的概念推广到n 维分辨空间上,促进了图像的识别。将小波变 换具有数学显微镜的功能应用于分形测度的概念,西安交通大学的程敬之等, 西南交通大学硕士研究生学位论文第4 页 提出了局部分形指数小波分析法l f w a m ,为图像进一步处理提供了基础。 小波变换的产生、发展、完善和应用始终受惠于计算机科学、信号处理、 图像处理【1 8 1 9 等众多科学领域和工程技术应用领域的专家、学者和工程师们 的共同努力。正因为如此,小波变换现在已成为科学研究和工程技术应用中 涉及而及其广泛的一个热门话题。 1 3 独立分量分析发展及研究现状 独立分量分析技术( i n d e p e n d e n tc o m p o n e n ta n a l y s i s ,i c a ) 的研究起源 于1 9 9 1 年,h e r a u l t 和j u t t e n 首次提出了一种基于神经网络的学习算法,成功 地实现了两个语音信号的分离,从而开启了一个新的领域。1 9 9 4 年c o m o n 6 1 正式提出了独立分量分析这一概念,界定了i c a 技术所基于的基本假设条件, 并深入探讨了一系列的问题,包括对比函数的概念,i c a 在恢复信号时所固 有的不确定性等。最重要的是,c o m o n 在论文中证明了,通过对多路接收的 混合信号进行某一线性变换,使得变换后的信号彼此统计独立,这样得到的 信号即是未知的源信号。并且他还明确指出,应该通过使某个对比函数达到 极大值来消除观测信号中的高阶统计关联,从而实现源信号的盲分离。由于 这篇论文奠定了i c a 技术的理论基础,从而成为i c a 历史上的经典文献之一。 1 9 9 5 年b e l l 和s e j n o w s k i 发表了i c a 发展史中的另一篇里程碑文献【7 j 。 首次使用具有s i g m o i d 菲线性函数的神经元来消除观测信号中的高阶统计关 联,用信息最大化准则建立对比函数,从而将信息方法与i c a 技术结合起来, 推导出一种在线性迭代学习算法,成功地对l o 个混合语音进行了分离,但是 该算法需要对矩阵求逆,收敛速度慢,算法的性能要受源信号的混合程度的 影响,此外该算法只能分离超高斯信号。 1 9 9 6 年c a r d o s o 和l a h e l d 8 】深入分析了当时的i c a 在线算法,将统计学 中的等变化的概念引入到i c a 中来,指出满足等变化的i c a 算法具有均匀性 能,即算法的性能不受源信号的混合程度的影响,提出了相对梯度,并基于 相对梯度推导出了另一种在线算法( e a s i 算法) 。该算法满足等变化的条件, 从而具有均匀性能。此外,由于采用了相对梯度,该算法收敛速度非常快, 并且避免了矩阵求逆运算。 与此同时,a 血撕州从信息几何的角度提出了与相对梯度等价的自然梯 度。当参数空间是正交的欧几里得空间时,相对梯度是最佳的下降方向。而 自然梯度则是定义在黎曼空间中的最佳下降方向。i c a 闯题中的参数空间符 西南交通大学硕士研究生学位论文第5 页 合黎曼空间,因而采用自然梯度的i c a 算法比采用一般梯度的i c a 算法具有 更好的性能。 此外,1 9 9 8 年c a r d o s o 1 0 】从统计学、信息论的角度对当时i c a 的发展情 况做出了综述,阐述了i c a 所基于的统计学理论、信息论理论,以及由此导 出的几种对比函数,总结了i c a 算法的稳定性条件,并且给出了今后的发展 方向。这些发展方向绝大部分现在已经成为了i c a 研究的热点问题。 1 4 本论文的主要研究工作 鉴于小波变换和独立分量分析的背景和课题的应用研究方向,讨论了图 像处理中边缘检测一些关键技术; ( 一) 对噪声存在的情况,传统边缘提取算法效果不好,由信号与噪声 在小波系数间的表现形式不同,而且相邻层间系数存在相关性,提出了一种 改进的边缘提取算法:基于小波域内层间系数反向移位相关提取含噪图像边 缘,通过仿真表明该算法在噪声存在的情况下能较好提取图像边缘。 ( 二) 针对现有大多数i c a 算法的局限性即对超高斯信号与亚高斯信号 并存情况下的盲分离缺乏实用性,需要大量迭代,复杂度和运算量较大,还 可能出现结果不收敛,本文提出: ( 1 ) 将小波的近似系数作为对源信号的估计并参与对i c a 耳标函数寻优 过程的基于小波变换的全局最优盲源分离算法 ( 2 ) 将小波的近似系数和细节系数一起作为对源信号的估计且参与寻优 过程的基于小波平滑的超高斯与亚高斯信号盲分离算法。 通过仿真表明该两种算法无需迭代,复杂度较低,分离精度较高,能同 时分离超高斯和亚高斯信号,其中第2 种改进算法的相似系数好于第1 种算 法。 本文章节安排如下: 第一章介绍了图像边缘提取和盲源分离的理论发展及应用前景。 第二章主要介绍了短时傅立叶交换和小波变换的基本概念、性质等,分 析了小波变换的基本理论,二维离散小波变换的多分辨率分析概念以及m a l l a t 算法。 第三章概述了图像噪声的一般性质和分析方法,结合小波变换分析了信 号的小波系数与噪声的小波系数之间的区别、层间小波系数之间的相关性。 西南交通大学硕士研究生学位论文第6 页 在此基础上,提出了一种基于小波层间系数相关性移位去噪的改进算法,最 后通过仿真对不同算法的去噪效果进行比较、分析。 第四章介绍了信息论相关知识、独立分量分析算法的基本原理,1 c a 问 题的现有的几种目标函数和优化算法,提出了现有大多算法对超高斯和亚高 斯信号并存时的盲分离缺乏实用性。 第五章本章在分析了小波变换中近似系数与细节系数的特性之后,利用 小波作为带通滤波器的优点将( 1 ) 低频分量作为滤波器对混合信号进行滤波 ( 2 ) 将低频分量和高频分量一起作为滤波器滤波混合信号。仿真表明该两种 算法分离精度高,复杂度低,适用于超高斯与亚高斯信号并存的情况,后一 种算法的分离精度优于前一种算法。 最后,对本文整体工作作一个总结,同时,还对整个研究工作中的不足 和对未来的工作做了分析和展望。 西南交通大学硕士研究生学位论文第7 页 第2 章小波分析基础 小波变换与f o u r i e r 变换非常相似,其基本的数学思想来源于经典的调和 分析,都是将信号与一个具有两个参数的函数族作内积运算。f o u r i e r 变换以 三角函数作为基底对信号进行展开,小波变换则以局部化函数所形成的相似 函数作为基底对信号进行展开。小波变换发展了短时f o u r i e r 变换的局部化思 想,其窗口可随频率增大而缩小,随频率减小而放大。在分析非平稳时变信 号时,小波变换既能用持续时阈很短的高频基函数去分析信号的高频成分, 又能用持续时间相对较长的低频基函数去分析信号的低频成分。 2 1 傅立叶变换与短时傅立叶变换 2 1 1 傅立叶变换 在传统的信号分析中f o u r i e r 分析占了举足轻重的地位。f o u r i e r 变换定义 了“频率”的概念,用它可分析信号能量在各个频率成分中的分布情况。 对信号f 【t ) ,其f o u r i e r 变换定义为【1 卅: f ( c o ) = f ( t ) e - 如 d t( 2 一1 ) f o u r i e r 逆变换定义为: 1, ( f ) = 圭i f ( c o ) d “d m ( 2 - 2 ) 二石 一个波形的f o u r i e :变换的实质是:把这个波形分解成许多不同频率的正弦 波之和,如果这些正弦波加起来成为原来的波形,那么我们就确定了这个波 形( 即信号) 的f o u r i e r 变换。如果信号不是周期函数,那么它的f o u r i e r 变换将 是频率的一个连续函数,即f 【t 可以用全部频率的正弦波之和来表示。所以 f o u r i e :变换可以看作是时间函数在频率域上的表示。事实上f o u r i e r 变换频率 域包含的信息、和原来函数所包含的信息完全相同,不同的仅是信息的表示 方法。 虽然傅立叶变换能够将信号的时域特征和频域特征联系起来,能分别从 信号的时域和频域观察,但不能把二者有机的结合起来。这是因为信号的时 域波形中不包含任何频域信息。而其傅立叶谱是信号的统计特性,从其表达 式也可以看出,它是整个时间域内的积分,没有局部化分析信号的功能,完 全不具备时域信息。也就是说,对于傅立叶谱中的某一频率,不知道这个频 西南交通大学硕士研究生学位论文第8 页 率是在什么时候产生的。这样在信号分析中就面临一对最基本的矛盾:时域 和频域的局部化矛盾。 2 1 2 短时傅立叶变换 短时f o u r i e r 变换由g a b o r t z o 首先系统地使用,其基本思想如下:把信号 划分成许多小的时间间隔,用傅里叶变换分析每一个时问间隔,以便确定该 时间间隔存在的频率。为了达到时间域上的局部化,f o u r i e r 变换的基本变换 函数之前需要乘上一个时间上有限的时限函数w ( t 一西) ,然后用它们来作分析 工具,这样,矿归起频限作用,以f 一6 ) ) 起时限作用,它们合在一起就起到了 时频双限制作用。其基本变换方式为: ( g ) ( 叻= i ( f ( o e - j ”) w ( t - t , ) d t( 2 - 3 ) 当窗口函数取为g a u s s 函数时短时f o u r i e r 变换又称为g a b o r 变换。 虽然短时傅立叶变换在一定程度上克服了标准傅立叶变换不具有局部分 析能力的缺陷,但是不能改交窗口的形状,时间分辨率是固定的,因此,它 不能敏感地反映信号的变化。只是一种单一分辨率的分析。用它分析平稳信 号还可以,但对非平稳信号,它不能兼顾两者。 2 2 小波变换 2 ,2 1 小波变换概述 小波变换是一种在有限宽度的范围内进行的正交的或非正交的变换。小 波变换的基函数是一种不仅在频率上而且在位置上变化的,有限宽度的波形 函数,称为小波。小波变换包括三种不同但有关的技术,即:连续小波变换 ( c w t ) 、小波级数展开( w p s ) 和离散小波变换( d w t ) 。在小波分析中,我们通 过一个称为小波基的单个原型函数叭f ) 的伸缩( d i l a t i o n ) 和平移( t r a n s l a t i o n ) 来产生一组基函数,州f ) 是一个振荡函数,通常以原点为中心,并当l t l _ 一时 迅速消失。, 一组小波基函数能够支持一个变换,即使这些基函数不正交也没有关系。 这也就是说,如果采用小波级数展开做基函数,那么就可以由无限多个系数 表示一个有限带宽函数。这个系数序列的长度愈长,重构函数就愈接近原始 函数。如果采用离散小波变换,同样意味着需要一个系数序列,为了精确地 重构原始函数或达到所要求的近似程度,离散小波变换的系数数目甚至比原 西南交通大学硕士研究生学位论文第9 页 始函数还要多。 定义: 函数甲( t ) r ( r ) ,并且满足i ,( t ) 毋= 0 ,称甲( t ) 为小波基函 数,对小波基函数作伸缩和平移变换,伸缩因子为a ,平移因子为b ,a ,b r 且a 0 ,得到一个函数序列l i ,。( f ) : i ,。( f ) = f 口| 1 l ,( 1 2 ) ( 2 - 4 ) 其中王,( f ) r 意味着小波函数的能量是有限的;l 甲( t 瑚= 0 意味着小 波函数具有“波动性”,另外,要求小波函数一定具有速降性或紧支性。小波 函数具有以下三个性质: 1 、小波是一般函数的建筑块即小波函数的伸缩和平移可以构成某个空 间的框架,但不意味着小波函数一定是基底。 2 、小波具有时一频局部化特性即小波函数一定具有某种紧支性或消失 矩特性,但并不代表小波函数的积分为零。 3 、小波具有快速算法对基于计算机的数字图像处理来说非常重要,如 m a l l a t 塔式算法、基于f f t 的快速算法等。 2 2 2 连续小波变换 连续的小波变换的形式化定义最早由m o r l e t 和g r o s s m a n 提出,其定义如 下: 设x ( f ) 是平方可积函数( 记作x ( t ) er ( r ) ) ,f ( t ) 被称为小波基函数,则 昂z ( 口,6 ) = h - 1 ”卜) 矿+ f o 是尺度因子,b 是位移,6 r ,其中 掣么t f ) = 下y 卜)( 2 6 ) 关于小波变换的定义筑( 2 - 5 ) 具有十分深刻的含义。 首先对它的时域性质做一下说明:基本小波i r ( t ) 可能是复信号或实信号, 在复信号时,一般是取解析信号威近似解析信号,例如 沙( f ) = p7 8 7 w( 2 7 ) 称为m o r l e t 小波,它是以高斯函数为包络的复指数函数。复信号小波主 要用于对信号频率的跟踪和估计,实小波信号则常用于检测信号的瞬变特性 和信号的变换域处理,例如图像的边缘检测、信号去噪和图像编码等。 尺度因子a 的作用是对基本小波进行律缩。口越大,州) 愈宽,口越小, y ( 形) 越窄,与角频率脚等价。改变a ,则改变小波变换的分析区问。或 西南交通大学硕士研究生学位论文第1 0 页 者等价地说,从时域观点看,改变a 就改变小波变换的时域分辨率。 玎7 如,6 ) 反映两重特性,一方面,它仅反映了t = 6 附近x ( t ) 的性质;另 一方面它也具有抽取工( f ) 在t = 6 附近的某一频率成分( 正比于l a ) 的能力, 因此,小波变换是一个时频联合分析的工具。口称为尺度因子,它与分辨率 成反比的,口越大,矿( 石) 越宽,小波变换能够分辨两个突变发生所要求的 时差就要增加,时域分辨率降低;反之,a 越小,y ( ) 越窄,时域分辨率越 高。 2 2 3 小波变换的等效频域表示 w t x ( a , b ) = 警p ( 动矿( a c o ) e 脚d c o ( 2 8 ) 证明: 由x ( ,) 矿( f ) di ( 功矿( 功,可得 工( ,) 矿( 一r ) 卜 量( c o ) 矿( 印) ( 2 9 1 凼i f 1t 一 。 万x ( f ) y ( 一i ) h 4 b y e ( c o ) c , ( 口c o ) ( 2 1 0 ) 上式左边即阡王( o ,6 ) ,与右式是一对傅里叶变换对,由傅立叶反变换定 义得 即,6 ) ;罢洳帆碑p 6 砌 ( 2 1 1 ) 对于这个频域表达式,可以做进一步的说明:如果w ( t ) 是幅频特性比较 集中的带通函数,则小波变换便具有表征待性分析信号爰纠频域上局部性质 的能力,改变a 的值,可以分析王( 纠不同频域区间的性质。 对小波变换的时频特性小结如下; a 增加,降低,吵( i ) 展宽,时域窗变宽,能够观测更长的时间区间, 同时妒( a 研变窄,在频域能够观测更窄的频域窗,且频域中心向低频移动。 这相当于对于低频情况,小波对时间看得粗些,对频域看得细些。 口减小,i ) 增大,( 言) 变窄,时域窗变窄,观测更短时间区间,同时矿( a 研 交宽,够观测更宽的频域窗,且中心率向高频方向移动。小波变换对于高频 情况,对时间域看得细一些,对频域看得粗些。 这是数学显微镜的能力。由以上分析,可以得n d , 波变换的时频平面的 分割,如图2 i 所示, 西南交通大学硕士研究生学位论文第l 1 页 图2 1 小波变换的时频平面分辨率示意图 2 2 4 连续小波变换的性质 1 叠加性 设x ( t ) 的小波变换为阡罨( 色6 ) ,( f ) 的小波变换为矿0 ( 。,6 , 则k l x ( t ) + k 2 y ( t ) 的小波变换为t 1 阡t o ,6 ) 2 时移性质 设并) 的小波变换为辟互( 以6 ) 则j u t o ) 的小波变换为降互( 以b t o ) 3 尺度变换 设瓤f ) 的小波变换为w r y ( n ,6 ) 则石畸) 的小波变换为,颤w t a 一b ) ,五 o 此性质表明,当信号工( f ) 作某一倍蠡伸缩时,其小波变换蒋茬鲁,6 两轴上 作同一比例伸缩,但不发生失真变形。 4 小波变换的内积定理 设( f ) 的小波变换为阡t 如6 ) = 如o ) ) : 而o ) 的小波变换为阿已( 蠢6 ) = ( 而( ,) ,( ,) ) 则( 嘿( 口,6 ) ,阡夏( 岛6 ) 产o ( 而( f ) ,恐( f ) ) 式中 ,。 o = r 挚 注意,两变量函数的内积写为 ( 暇( 碱嘿( 删) = f f 暇( 刚) 嘱( 啪) 砉枷 西南交通大学硕士研究生学位论文第1 2 页 = f 了d ac ( ( 五( ,) ,( f ) ) ) ( ( f ) ,而( f ) 净= q 亡而( f 遁( f ) d t ( 2 - 1 2 ) 2 3 二维离散小波变换 连续小波变换存在信息冗余,我们希望只计算离散的位移和尺度下的小 波变换值,尤其在计算机上实现,连续小波必须加以离散化。 2 3 1 二维离散小波变换对图像的多尺度分解 由于f o u r i e r 变换只反映频谱特征,为了弥补其不足发展起了多尺度分析 的理论。利用频谱分析我们可以把信号分解成具有不同谐振频率的分量,这 些分量分别包含了若干个振动周期。但在图像分析中,我们常常对被局部化 了的分量的振动并不十分感兴趣,因为这些振动只包含一个甚至不到一个的 周期。这样的例子有点、线、边等。一幅图画中的对象可以用各种不同的尺 度来观察。例如一条边缘可以是从黑色到白色很明显的跳转,也可以是经过 灰度值的逐渐变化来产生。多尺度显示或分析方法通常就是利用这种思想来 实现的。 假设我们从一幅1 0 2 4 * 1 0 2 4 的数字图象先后生成另外1 0 幅图像,其中每 一幅图像的尺寸是前一幅图像的一半。我们将褥到5 1 2 5 1 2 、2 5 6 * 2 5 6 、直 到l 1 的各幅图像。如果我们再对每一幅图像进行边缘检测,我们将发现在 原始图像中有小的边缘,5 1 2 5 1 2 和2 5 6 * 2 5 6 的图像中会有较大的边缘,1 6 1 6 或更小的图像中只有很大的边缘。h a a r 变换是这一方法的开端,它通过边缘 的检测对不同尺度的图像进行查找。二维离散小波变换对图像的多尺度分解 将图像分解成一个简单的多层次框架,即图像的多分辨率表示。该框架的每 一个分量具有独特的频率特性和空间取向特性,这些特性为图像的分析和处 理提供了良好的基础。 每次小波分解将当前图像分解成四块子图,其中一块对应平滑版本,另 外三块对应细节版本。由于小波变换的减抽样性质,经若干次小波分解后, 平滑版本系数和所有的细节版本系数之和等于原始图象灰度系数个数,总数 据量未变,但因分解出来的不同子图具有不同的特性,可以采用最适宜的数 据处理策略以达到对原图像的最有效处理,同时使恢复后的影像具有良好的 视觉效果。 2 3 2 多分辨率分析 多分辨率分析又称为多尺度分析,它是建立在函数空间概念上的理论,但 西南交通大学硕士研究生学位论文第1 3 页 其思想的形成来源于工程。其创始者s m a l l a t 是在研究图像处理问题时建 立这套理论的。当时人们研究图像的一种很普通的方法是将图像在不同尺 度下分解,并将结果进行比较,以取得有用信息。m e y e r 正交小波基的提出, 使得m a l l a t 想到是否能用正交小波基的多尺度特性将图像展开,以得到图 像不同尺度间的“信息增量”。这种想法导致了多分辨率分析理论的建立。 多分辨率分析( m r a ) 不仅为正交小波基的构造提供了一种简单的方法, 而且为正交小波变换的快速算法提供了理论依据。其思想又同多采样率滤波 器不谋而和,使我们又可将小波变换同数字滤波器的理论结合起来。因此多 分辨率分析在正交小波变换理论中具有非常重要的地位。 多分辨分析空问实质是满足一定条件自铲f r ) 中的一系列嵌套的闭子空 间,( 矗) 中的一个多分辨分析( m r a ) 空间是指满足如下条件的线性闭子空 间序列: 1 单调性: 圪c 巧c c e l c v _ 2 巧c 巧一l 巧,z ) 2 逼近性: n 巧= 秘 旭z 3 伸缩规则性: u v , = r ( r ) 2 a t ) e v i 铸烈2 t ) e v | d ,j ez 4 平移不变性: 妒( f ) 巧牟寺妒o + 记一7 ) e 巧,j , k ez 5 。r i e s z 基存在性:存在 妒使( 矿( f 一珂) ,刀z 构成v o 的r i e s z 基 西南交通大学硕士研究生学位论文第1 4 页 2 3 3 尺度和离散化的小波变换 连续小波变换存在信息冗余,我们希望只计算离散的位移和尺度下的小 波变换值,并通过离散位移和尺度下的小波变换值重构原信号。 ( 1 ) 尺度离散化 取一个合理的值a o ,使尺度因子a r 取日0 的整数幂,l i o a 仅取 霹= 1 ,础,露,一j 彳,。 ( 2 ) 位移离散化 当尺度取口= 罐,取位移b = b o ,各位移为量岛。在口= 时,相应取 b = 硎。 在这些离散位置的小波伸缩平移系构成 a o2 纵p 一蚓) ) ,_ ,七ez = a o2 y ( 倒f u , o ) , 这里z 表示全部整数的集合:用连续小波变换( ( 2 1 3 ) 式得到在离散尺 l e t ( ,k b o ) = j x ( f ) 吧执( o a t ( 2 - 1 4 ) 最典型的a o = 2 ,n o = 1 ,则得到小波伸缩平移系为 矽m ( f ) = 22 矿( 2 1 t j j ) ( 2 - 1 5 ) 这种情况称尺度因子为2 ,在相应的离散尺度和位移点的小波变换值记为 聊:以量) = 地) ,0 ) ) ( 2 1 6 ) 2 3 4 离散小波变换的m a l l a t 快速变换 设从开始进行分解,经过,级分解得 v o = 瞩o o 暇o o 设有函数x ( f ) ,它在k 空间投影,x ( t ) = 4 x ( t ) 由一组系数簖构成,即 a o x ( t ) = 伸咖一o ) = 幽烈,一弹) y f l a v o = ko ,孔工( f ) = 4 工( f ) + d l z ( f ) ( 2 - 1 7 ) 可知d l 是地) 在上的投影算子,因此 ( 2 ( 9 0 ) ( ) ( 。 a o x ( t ) = 鳄咖一舢o ) + 磷”奶。( f ) ( 2 1 8 ) 这个过程可以继续下去? 可以将它分解为暇一,巧空f - j 内的系数集 z “,i = 1 ,2 j ,是z j 由多分辩分析: 西南交通大学硕士研究生学位论文第1 5 页 2 - 1 2 9 ( 2 - j 力巧c
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 高层建筑后厨的联动要求-灭火断气报警三链路缺一不可
- 电商平台商家直播带货营销决策支持系统
- 2026年道路桥梁工程技术师高级职称评审强化训练模拟试卷及答案
- 旅游攻略APP内容组织优化方案
- 电商运营策划师市场趋势分析手册
- 2026年环境影响评价工程师资格考试环境影响评价相关法律法规冲刺模拟考试卷及答案(三)
- 建筑施工脚手架使用安全指引
- 制造业工厂安全生产标准化实施指引
- 餐饮行业厨师菜品验收规范操作手册
- 建筑节能智能监测平台
- 2026三项岗位人员(应急管理局)-熔化焊接和热切割-焊接与热切割作业(压力焊作业人员)历年参考题库含答案详解
- 宁夏吴忠市盐池县2026年社区工作者招聘考试试卷-含答案解析
- 2026中国洗衣干衣行业市场现状需求分析投资布局发展策略研究文献
- 环境应急预案备案依据(3篇)
- 2026年江西省高考物理试卷真题(含答案及解析)
- 特香型白酒的讲解
- 2026中国邮政社会招聘笔试真题(完整版+详细答案解析)
- 五年级上册《白鹭》课件
- 中国电信理工综合类笔试题库
- CSCO非小细胞肺癌诊疗指南(2026版)
- T∕CCEAS008-2026 建设工程造价咨询成果文件质量标准
评论
0/150
提交评论