做网站 做应用,海口网站公司,怎么做网站才能吸引人,品牌网球基于小波包的图像压缩及matlab实现精选基于小波包的图像压缩及matlab实现摘要#xff1a;小波包分析理论作为新的时频分析工具#xff0c;在信号分析和处理中得到了很好的应用#xff0c;它在信号处理、模式识别、图像分析、数据压缩、语音识别与合成等等许多方面都取得了很…基于小波包的图像压缩及matlab实现精选基于小波包的图像压缩及matlab实现摘要小波包分析理论作为新的时频分析工具在信号分析和处理中得到了很好的应用它在信号处理、模式识别、图像分析、数据压缩、语音识别与合成等等许多方面都取得了很有意义的研究成果。平面图像可以看成是二维信号因此小波包分析很自然地应用到了图像处理领域如在图像的压缩编码、图像消噪、图像增强以及图像融合等方面都很好的应用。本文将对小波包分析在图像处理中的应用作以简单介绍。关键词小波包 图像处理 消噪1.小波包基本理论1.1 小波包用于图像消噪图像在采集、传输等过程中经常受到一些外部环境的影响从而产生噪声使得图像发生降质图像消噪的目的就是从所得到的降质图像中去除噪声还原原始图像。图像降噪是图像预处理中一项应用比较广泛的技术其作用是为了提高图像的信噪比突出图像的期望特征。图像降噪方法有时域和频域两种方法。频率域方法主要是根据图像像素噪声频率范围选取适当的频域带通过滤波器进行滤波处理比如采用Fourier变换(快速算法FFT)分析或小波变换(快速算法Mallat算法)分析。空间域方法主要采用各种平滑函数对图像进行卷积处理以达到去除噪声的目的如邻域平均、中值(Median)滤波等都属于这一类方法。还有建立在统计基础上的lee滤波、Kuan滤波等。但是归根到底都是利用噪声和信号在频域上分布不同进行的信号主要分布在低频区域。而噪声主要分布在高频区域但同时图像的细节也分布在高频区域。所以图像降噪的一个两难问题就是如何在降低图像噪声和保留图像细节上保持平衡传统的低通滤波方法将图像的高频部分滤除虽然能够达到降低噪声的效果但破坏了图像细节。如何构造一种既能够降低图像噪声又能保持图像细节的降噪方法成为此项研究的主题。在小波变换这种有力工具出现之后这一目标已经成为可能。基于小波包变换消噪方法的主要思想就是利用小波分析的多尺度特性首先对含有噪声的图像进行小波变换然后对得到的小波系数进行阈值化处理得到新的小波系数对其进行反变换这样我们就得到了消噪之后的图像从而实现了对图像的恢复。目前已经发展了许多小波变换与传统图像消噪方法相结合的新的图像消噪算法它们吸收二者的优点从而提高了图像的消噪效果得到了较好的应用。1.2. 小波包用于图像压缩当今我们正处在一个高速发展的信息时代而信息的本质就是要求进行存储、交流和传输。信息有多种形式包括文字、声音、静止图像、视频图像等等。在众多的信息形式中图像信息最具有直观性和生动性从而成为人们需求的主要信息形式。然而由于图像信息的数据量太大作数字传输时占有的信道频带有非常宽的问题直接制约着图像信息的存储和传输。因此为了有效地利用现代通讯业务和信息处理中的宝贵资源需要对大量的数据信息尤其是图像信息进行压缩因此图像数据压缩技术和解压缩技术成了多媒体技术的关键技术之一。近年来由于“海量”多媒体信息的出现经典图像压缩算法已不能满足实际应用的需要迫切需要有更高压缩效率和适用于各种需要的新压缩算法。经典压缩算法一般是在时域或者频域进行分析和操作因而经典图像压缩算法只是利用了图像的部分特征研究人员希望同时利用两个域的特征兼容时域和频域分析的优越性。另外经典压缩算法一般使用的DCT和傅立叶变换是用余弦曲线和正弦曲线作为它们的正交函数基但这些函数都不是紧支集。而我们在实际应用中处理的大部分是瞬态信号。特别地在图像处理中许多重要特征也是空间位置高度局部化的如果使用一般的变换这些瞬态和局部化成分的信息就很难得到最佳表示。实际上DCT和傅立叶变换能用余弦和正弦函数表示任何分析函数甚至是一个瞬态信号但这种表示在函数频谱上会呈现相当混乱的构成。为了克服这种缺陷研究人员已经发现若干种使用优先宽度的基函数我们称之为小波。使用这些基函数的变换被称之为小波变换。利用小波变换对图像进行压缩是当前一个研究热点。小波包分析是近些年在小波分析的基础上发展起来的,将图像在小波包最优基下展开,利用小波包最优基极好的空间、尺度定位性,使得图像的小波包变换系数在小波变换域尽可能的集中,从而使在不降低压缩图像的质量情况下,进一步地提高图像压缩比成为可能。2.小波包分析短时傅立叶变换对信号的频带划分是线性等间隔的。多分辨分析可以对信号进行有效的时频分解但由于其尺度是按二进制变化的所以在高频频段其频率分辨率较差而在低频频段其时间分辨率较差即对信号的频带进行指数等间隔划分(具有等Q结构)。小波包分析能够为信号提供一种更精细的分析方法它将频带进行多层次划分对多分辨率分析没有细分的高频部分进一步分解并能够根据被分析信号的特征自适应地选择相应频带使之与信号频谱相匹配从而提高了时-频分辨率
