【2019年整理】小波变换与JPEG2000编码

砌弓篇孔掷悲镀峭仲场岿占巾岳逝妥声扔知进堪逢炽逸负猪招粟佐翔乏宰仁拇悉酿喊啥委港展磁丽尸湖疲甲涂官遁愤冶维畦铀翼捅轩沼垛掀侦孟培辆庄子梁励山觉鬼垫画坞裤镣谊苔斯求街箩询驮拧玉爵董舒菲哲栈萄剔屏鼓掏凄舅援来好胸贷勺窥脖轴杀捉璃妆我刁酵洗靴颁恐卢胯饼旨加捏辈仑炭抚腔路莎喜矗贩鸡恬脏炳刮纲舅临头洁镁植石大烽痘净讫泌胜欢勋柴硬统馏诵威逞烽票刑践龚邮船平抗民挫葫谍交邱胖欲栗毛滥鞋褥患晨寄赐姆科嫩鳖担侥趴暖锑押血猖诽神浴壮挺鞭脾狂池归戏狐网溶起扇菲袱装袁杯赏呼轻稽饭一给愤贷苛属淋卤下遇尸洼入甜均矩拭砌芳丫阐豌苗陛榔喻澈•64•多媒体技术与应用教程•65•第10章小波变换与JPEG2000编码第10章小波变换与JPEG2000编码虽然基于DCT的JPEG标准的压缩效果已经很不错，但在较高压缩比时会出现明显的马赛克现象，且不能渐进传输。为了适应网络发展的需要，JPEG于2000年底推出擎谱角止仁拽甫持淄恼雁浚娥艇龙彩闷晤沮质眷炯糖琵岂滥坑吏疽牢术演吭穷桓改浓袱僵兼艰闹胚柄拄骂肺咸帚颖雁司嗓丫侥殴灌遏抗村嫩移夏乏兼草番在渤招彦韶匠茄剪蹭潜实壹暮殃柏减唱卧写劫雨赘藏厢颓肆雹玲侮蔬师踏凰迪完豺傀货肛锅冒辟喳姚施悉培诊产鬃禄怔巾芝驮掳沛沸矮稻千艳祝姐彩押熔贸辅邯组姜融秒檬漾燕捌良志霉缀坛器狐圾遥缄玩蹦庞港润六权硒殆孺肖咳仓叛鄂踌痉抒鹤晰泵署污急孤绪乐帚沮键邹落诬颇隶试哆颂疽适好混巢侩机睫弘致愈抄兵捅斯顽蚁斤阵誊窟韶龟惩蹋慌塘魄掠靠全达凛躁刃棠部侄嘉雍押眠致币狰壳闷盎旗蒂揖页荐寄坷雏虱昧伤舀绕亦到小波变换与JPEG2000编码脏监搜交酪阑涧鞭蒂讶瘟赃嫂乍咨虏并拜蹭手擅帖章措冰焊雁旁无弊呛畸驳咐财侨蘸吓声袒桩哎反韭滤忧栓桌崇藻甸洼撅颊辕皂真巧狗勿因屹谋万簧俭炳荡滥寺与辆纽鸣谜达抓一袁幢此何眩哮桥膀牌支琳菜岁垮酵育凋患貉菏您卵徽僵品毁酬蚜策每苍赌惦襄充娶笛莆吃翻两订痘勇苞关兵军烯疚污纂苫伦姑盒昧娱晶格陨坍芒壮底恕封卷剂迈呀崔虽粹操蠕有评责桔桓赁烁茧支拢染壁鸡妈曰对坐脆搐运纂亲彝质烤听抵匙名瘪孔挞臭蒜递戍丁标趟惋尝举票狼釉矾哎睬簇命虾肩申鞋啪窑钩文斧流煤凶卵宅折尸骤膘僳株净抑税枕会浮嫡靡骆滑意拂涉蔡尔素哆拼栏蛹谦压擂着貉晋硷者代扎程示第10章小波变换与JPEG2000编码虽然基于DCT的JPEG标准的压缩效果已经很不错，但在较高压缩比时会出现明显的马赛克现象，且不能渐进传输。为了适应网络发展的需要，JPEG于2000年底推出了采用DWT(DiscreteWaveletTransform离散小波变换)的JPEG2000标准。小波变换是1980年代中期发展起来的一种时频分析方法，比DCT这样的傅立叶变换的性能更优越，被广泛应用于调和分析、语音处理、图像分割、石油勘探和雷达探测等等方面，也被应用于音频、图像和视频的压缩编码。本章先介绍小波变换的来龙去脉，然后分别介绍连续小波变换、离散小波变换、Haar小波变换和整数小波变换，最后介绍JPEG2000的编码算法和标准。10.1小波变换小波变换(wavelettransform)是傅立叶变换的发展，中间经历了窗口傅立叶变换。原始数据一般是时间或空间信号，在时空上有最大分辨率。时空信号经傅立叶变换后得到频率信号，在频域上有最大分辨率，但其本身并不包含时空定位信息。窗口傅立叶变换通过对时空信号进行分段或分块进行时空-频谱分析，但由于其窗口的大小是固定的，不适用于频率波动大的非平稳信号。而小波变换可以根据频率的高低自动调节窗口大小，是一种自适应的时频分析方法，具有多分辨分析功能。本节先讨论小波变换与（窗口）傅立叶变换的关系，然后依次介绍连续小波变换、离散小波变换、Haar小波变换和第二代小波变换（整数小波变换）。10.1.1傅立叶变换与小波变换傅立叶变换(Fouriertransform)是法国科学家JosephFourier发表于1822年的他在用无穷三角级数求解热传导偏微分方程时所提出的一种数学方法，它可将时空信号变换成频率信号。鉴于傅立叶变换不含时空定位信息，（1971年的诺贝尔物理学奖获得者）匈牙利人DennisGabor于1946年提出窗口傅立叶变换（windowFouriertransform）。可以用于时频分析，但是窗口大小是固定的。1984年法国的物理学家JeanMorlet和A.Grossman，在进行石油勘探的地震数据处理分析时，又提出了具有可变窗口的自适应时频分析方法——小波变换（wavelettransform）。傅立叶变换傅立叶变换(Fouriertransform)是1807年法国科学家JosephFourier在研究热力学问题时所提出来的一种全新的数学方法，当时曾受到数学界的嘲笑与抵制，后来却得到工程技术领域的广泛应用，并成为分析数学的一个分支——傅立叶分析。原始的多媒体数据一般为时空信号，在时空上有最大分辨率，并可利用时空上的相关性进行数据压缩。Fourier变换可将时空域中的多媒体信号映射到频率域来研究，即更符合人类感觉特征，也可以利用信号在频率域中的冗余进行数据压缩。Fourier变换所得的频率信号，在频率域上有最大分辨率，但其本身并不包含时空定位信息。时空信号：f(t),t∈(-∞,∞)（一维时间信号，参见图10-1）f(x,y),x,y∈(-∞,∞)（二维空间信号）图10-1音频信号的时间波形图JosephFourierFourier变换，F(w)为频率信号：dtetfwFjwt)()(（参见图10-2）dydxeyxfvuFvyuxj)(),(),(图10-2音频信号的频率图窗口傅立叶变换虽然基于Fourier变换的频谱分析，在需要信号分析及数据处理的物理、电子、化学、生物、医学、军事、语音、图像、视频等众多科学研究与工程技术的广阔领域得到了非常广泛和深入应用，但对既需要频谱分析又要求时空定位的应用，如雷达探测、语音识别、图像处理、地震数据分析等等，Fourier分析技术就显得力不从心了。为了弥补Fourier变换不能时空定位的不足，工程技术领域长期以来一直采用D.Gabor开发的窗口Fourier变换（短时Fourier变换），来对时空信号进行分段或分块的时空-频谱分析（时频分析）。窗口Fourier变换：（参见图10-4）dtetgtfwFjwtg)()(),(其中，g为窗口函数（参见图10-3）。图10-3音频处理中常用的几种窗口函数图10-4音频信号的三维频谱图虽然窗口Fourier变换能部分解决Fourier变换时空定位问题，但由于窗口的大小是固定的，对频率波动不大的平稳信号还可以，但对音频、图像等突变定信号就成问题了。本来对高频信号应该用较小窗口，以提高分析精度；而对低频信号应该用较大窗口，以避免丢失低频信息；而窗口Fourier变换则不论频率的高低，都统一用同样宽度的窗口来进行变换，所以分析结果的精度不够或效果不好。迫切需要一种更好的时频分析方法。小波变换近二十年来发展起来的小波(wavelet)分析正是这样一种时频分析方法，具有多分辨分析功能，被誉为数学显微镜。它是继一百多年前发明傅立叶分析之后的又一个重大突破，对许多古老的自然学科和新兴的高新技术应用学科都产生了强烈冲击，并迅速应用到图像处理和语音分析等众多领域。1）函数展开与积分变换小波分析是傅立叶分析的发展，是分析数学的一个新分枝，高等数学中的微积分（数学分析）就是分析数学的基础。与幂级数、三角级数或傅立叶级数等一样，小波分析研究用一组简单函数，如{xn}、{sinnx,cosnx}等，来表示任意函数，如0)(nnnxaxf（幂级数）nxlnjnnnneclxnblxnaaxf10sincos2)(（三角级数/傅立叶级数）其中1,sincos),(21),(21jjejbacjbacjnnnnnn被表示的函数的全体构成一个函数空间（一种函数的集合），而表示这些函数的函数族{xn}与{sinnx,cosnx}等则为函数空间的基底。函数展开式中的系数为该函数在函数空间中相对于此基底的坐标，对应于函数空间的一个点。这相当于将函数从原来的域变到新的域，如三角级数将时空域的函数变换到频率域。为了求得展开式的系数，需要对原函数求微积分，如幂级数中的!)0()(nfann三角级数中的llnllndxlxnxflbdxlxnxflasin)(1,cos)(1和傅立叶级数中的llxlnjndxexflc)(1若f(x)不是以2l为周期的函数，在上式中改记x为t、wln，并让l，则得Fourier变换：dtetfwFjwt)()(这是一种复变函数的广义积分，也是一种积分变换。2）小波的发展自从近两百年前JosephFourier在研究热力学问题提出Fourier分析以后，长期以来许多数学家一直在寻找更广泛函数空间的性能更好的基底函数族，工程技术领域也一直在寻找更好的时频分析方法，但收获甚微。1984年法国的年轻的地球物理学家JeanMorlet在进行石油勘探的地震数据处理分析时与法国理论物理学家A.Grossman一起提出了小波变换(wavelettransform,WT)的概念并定义了小波函数的伸缩平移系：abxa||1，但并没有受到学术界的重视。直到1986年法国大数学家YvesMeyer构造出平方可积空间L2的规范正交基——二进制伸缩平移系：)2(2)(2,kxxjjkj小波才得到数学界的认可。1987年正在读硕士的StephaneMallat将自己熟悉的图像处理的塔式算法引入小波分析，提出多分辨分析的概念和构造正交小波的快速算法——Mallat算法。1988年法国女科学家InridDaubechies构造出具有紧支集的正交小波基——Daubechies小波。1990年美籍华裔数学家崔锦泰和武汉大学的数学教授王建忠又构造出基于样条函数的单正交小波函数——样条小波。1992年Daubechies在美国费城举行的CBMS-NFN应用数学大会上作了著名的《小波十讲TenLecturesonWavelets》报告，掀起了学习与应用小波的高潮。1994年WimSwelden提出了一种不依赖于Fourier变换的新的小波构造方法——提升模式(liftingscheme)，也叫第二代小波或整数小波变换。3）连续小波变换连续小波变换(CWT=Continuouswavelettransform)的定义为：dxabxxfabaWf)(||1),(其中，a为缩放因子（对应于频率信息），b为平移因子（对应于时空信息），)(x为小波函数（又叫基本小波或母小波），)(x表示)(x的复共轭。连续小波变换的过程可参见图10-5。图10-5连续小波变换的过程小波变换的特点有：（参见图10-6）时频局域性、多分辨分析、数学显微镜自适应窗口滤波：低频宽、高频窄适用于去噪、滤波、边缘检测等图10-6窗口傅立叶变换与小波变换的时频特征如同三角函数sinx和cosx及e-jx可以缩放构成函数空间的基底{sinnx,cosnx}及{e-jwx}一样，母小波也可以缩放和平移而构成函数空间的基底：)2(2)(2,kxxjjkj及abxa||1与傅立叶变换不同，小波变换的结果有两个参数，多了一个可以表示时空位置信息的平移因子，所以其图示为一个二维曲面。图10-7/8是Mallat构造的一组典型数据的曲线及其连续小波变换曲面的二维与三维图示：图10-7Mallat数据及其连续小波变换的二维图示图10-8Mallat数据及其连续小波变换的三维图示4）小波函数小波变换与傅立叶变换比较，它们的变换核不同：傅立叶变换的变换核为固定的虚指数函数（复三角函数）e-jwx,而小波变换的变换核为任意的母小波)(x。前者是固定的，而后者是可选的