小波变换的matlab实现学习教案

1、会计学1小波变换小波变换(binhun)的的matlab实现实现第一页，共93页。2第2页/共93页第二页，共93页。3C=cwt(noissin,2:2:128,db4,plot)第3页/共93页第三页，共93页。4图形(txng)接口方式（GUI）命令：wavemenu第4页/共93页第四页，共93页。5第5页/共93页第五页，共93页。6第6页/共93页第六页，共93页。7命令(mng lng)：dwt格式： cA1,cD1=dwt(X,wname) cA1,cD1=dwt(X,Lo_D,Hi_D)举例(j l)： load leleccum; s=leleccum(1:3920); l

2、s=length(s); cA1,cD1=dwt(s,db1);第7页/共93页第七页，共93页。8原始(yunsh)信号低频(dpn)系数高频(o pn)系数第8页/共93页第八页，共93页。9第9页/共93页第九页，共93页。10第10页/共93页第十页，共93页。11第11页/共93页第十一页，共93页。1205001000150020002500300035004000100150200250300350400450500550第12页/共93页第十二页，共93页。13第13页/共93页第十三页，共93页。14第14页/共93页第十四页，共93页。15第15页/共93页第十五页，共93

3、页。16第16页/共93页第十六页，共93页。17第17页/共93页第十七页，共93页。18第18页/共93页第十八页，共93页。19第19页/共93页第十九页，共93页。20第20页/共93页第二十页，共93页。21第21页/共93页第二十一页，共93页。22第22页/共93页第二十二页，共93页。23第23页/共93页第二十三页，共93页。24第24页/共93页第二十四页，共93页。25第25页/共93页第二十五页，共93页。26第26页/共93页第二十六页，共93页。27第27页/共93页第二十七页，共93页。28nnfigure(1);nimage(X); colormap(map);

4、 colorbar; ncA1,cH1,cV1,cD1=dwt2(X,bior3.7)第28页/共93页第二十八页，共93页。29第29页/共93页第二十九页，共93页。30第30页/共93页第三十页，共93页。31第31页/共93页第三十一页，共93页。32n应用：n Xsyn = idwt2(cA1,cH1,cV1,cD1,bior3.7);第32页/共93页第三十二页，共93页。33第33页/共93页第三十三页，共93页。34C,S = wavedec2(X,2,bior3.7); %图像(t xin)的多尺度二维小波分解第34页/共93页第三十四页，共93页。35第35页/共93页第三

5、十五页，共93页。36第36页/共93页第三十六页，共93页。37Lo_R,Hi_R,N)n说明：n Type: a低频；h 水平(shupng)；v垂直；d对角第37页/共93页第三十七页，共93页。38第38页/共93页第三十八页，共93页。39第39页/共93页第三十九页，共93页。40第40页/共93页第四十页，共93页。41第41页/共93页第四十一页，共93页。42第42页/共93页第四十二页，共93页。43第43页/共93页第四十三页，共93页。44第44页/共93页第四十四页，共93页。45间断点检测波形未来(wili)预测各分信号的频率识别信号从近似到细节的迁移第45页/共9

6、3页第四十五页，共93页。46S(t)=sin(0.03t) t=1:500 或sin(0.3t) t=500:1000信号抑制信号未来(wili)预测第46页/共93页第四十六页，共93页。47第47页/共93页第四十七页，共93页。48提取了信号的近似(jn s)特征a和细节特征d。在原始信号图像上，无法得知原始信号导数的不连续性。第48页/共93页第四十八页，共93页。490 x00(,)xy00(,)0fWxyy00(,)xy0yy0yy000(, )(,)ffWxyWxy00(,)xy00(,)fWxyy第49页/共93页第四十九页，共93页。50nnn1( )( , )f tL c

7、 d , c d00 x 0 x ( , )tc d( , )fWx y(,)cd第50页/共93页第五十页，共93页。51n比较而言，采用局部边缘进行检测更具有优越性。第51页/共93页第五十一页，共93页。52且一阶微分是不连续(linx)的。第52页/共93页第五十二页，共93页。53第53页/共93页第五十三页，共93页。54第54页/共93页第五十四页，共93页。55第55页/共93页第五十五页，共93页。56第56页/共93页第五十六页，共93页。57第57页/共93页第五十七页，共93页。58第58页/共93页第五十八页，共93页。59( )kxx( )x0,1,2,.kn第59

8、页/共93页第五十九页，共93页。60第60页/共93页第六十页，共93页。61( )( )( ),0,1,.,1s kf ke k kn其中， 为含噪信号， 为有用信号， 为噪声信号。( )s k( )f k( )e k消噪的三个步骤：1.一维信号的小波分解(fnji)2.小波分解(fnji)高频系数的阈值量化3.一维小波重构第61页/共93页第六十一页，共93页。62第62页/共93页第六十二页，共93页。63第63页/共93页第六十三页，共93页。64第64页/共93页第六十四页，共93页。65第65页/共93页第六十五页，共93页。66第66页/共93页第六十六页，共93页。67第67

9、页/共93页第六十七页，共93页。68第68页/共93页第六十八页，共93页。69第69页/共93页第六十九页，共93页。70第70页/共93页第七十页，共93页。71第71页/共93页第七十一页，共93页。72HLLH1LL1HL1HH1HL1HH1LH1LL2HL2LH2HH2图像(t xin)小波分解示意图第72页/共93页第七十二页，共93页。73第1级 L1斜线(xi xin)细节第1级 L1水平(shupng)细节第1级 L1垂直(chuzh)细节第2级 L2细节近似图象第3级 L3第73页/共93页第七十三页，共93页。742c(n,m)a2(m)b2(m)2a1(n)b1(n)

10、a1(n)b1(n)2222LLLHHLHH小波分解(fnji)数据流示意图第74页/共93页第七十四页，共93页。75小波重构数据流示意图2c(n,m)p2(m)p2(n)q1(n)p2(n)q1(n)222LLLHHLHHq2(m)22第75页/共93页第七十五页，共93页。76第76页/共93页第七十六页，共93页。77第77页/共93页第七十七页，共93页。78第78页/共93页第七十八页，共93页。79能够从信号或图像的原始支撑之外恢复信号或图像。该方法通常对光滑信号较为有效。第79页/共93页第七十九页，共93页。80第80页/共93页第八十页，共93页。81补零对称(duchn)

11、平滑(pnghu)填补第81页/共93页第八十一页，共93页。82n根据小波分解后的第N层近似(jn s)（低频系数）和经过阈值量化处理后的各层细节（高频系数），来计算二维信号的小波重构。第82页/共93页第八十二页，共93页。83第83页/共93页第八十三页，共93页。84第84页/共93页第八十四页，共93页。85图像扫描DWT视觉加权存储量化8*8方块去冗余第85页/共93页第八十五页，共93页。86图像扫描小波滤波器量化去冗余存储22小波变换(binhun)图像压缩第86页/共93页第八十六页，共93页。87第87页/共93页第八十七页，共93页。88第88页/共93页第八十八页，共93页。89第89页/共93页第八十九页，共93页。90第9