季祥 刘哲 高超 王浩鑫 武凯璇

一、图像小波分解的原理
小波变换是一个强有力的图像处理工具,令f(x1, x2)
∈L2(R2)表示一个二维信号,x1、x2分别是横坐标和纵坐标,Ψ(x1, x2)表示二维基本小波,二维连续小波定义:
令Ψa,b1,b2(x1, x2)表示Ψ(x1, x2)的尺度伸缩和二维位移,那么:
(1.1)
则二维连续小波变换为:
(1.2)
式中因子
是为了保证小波伸缩前后其能量不变而引入的归一因子。
对二维正交小波变换有其快速算法——Mallat算法,它把小波变换的计算问题转化为小波变换后系数的计算问题:在实际操作中,给出M+1层上的离散采样值{fM+1(m,n)}数据,要计算M层上的小波变换系数,即分解算法的问题,设H={hn},G={gn}分别对应分解时的小波低通以及高通滤波器,小波计算分解系数的过程为:
其中,cM(m,n)为M层时的小波系数,当M=0时,f(m,n)也是原始图像数据,而LLM+1(m,n)是M+1层的图像数据,是M层的图像数据cM(m,n)进行小波分解后的低频分量数据,{LLM+1(m,n)}是{cM(m,n)}的概况,是{cM(m,n)}的缩略表示,与{cM(m,n)}在轮廓上是相似的,而{LHM+1(m,n)}为{cM(m,n)}进行小波分解后在x方向的概貌和在y方向的高频细节信息,{HLM+1(m,n)}为{cM(m,n)}进行小波分解后在y方向的概貌和在x方向的高频细节信息,{HHM+1(m,n)}为{cM(m,n)}进行小波分解后在x方向和y方向的高频细节信息,它表明沿对角线方向的细节信号。
二、图像小波重构的原理
图像经过小波分解以后,得到它的低频以及高频分量,得到了每个方向上的系数,根据小波分解的第N层的低频系数和和经过修改的从第1层到第N层的各层高频系数,来计算二维信号的小波重构。
Hr和Hc分别代表低通滤波器对系数矩阵cM行和列作用的算子,Gr和Gc分别代表高通滤波器对系数矩阵cM行和列作用的算子,则重构算法为:……p>