离散可分离剪切波变换(DSST)及其数值计算

合集下载

第2章 离散傅里叶变换和快速算法.ppt

第2章 离散傅里叶变换和快速算法.ppt
真正的傅里叶变换有4种: CTFS给连续周期信号用, CTFT给连续非周期信号用, DTFS给离散周期信号用, DTFT给离散非周期信号用。
杨毅明 第2章 离散傅里叶变换和快速算法
2.1.1 离散傅里叶级数
离散傅里叶级数的定义:
X~ (k )

N 1 ~x (n)e
j 2 N
kn
n0
~x (n)
杨毅明 第2章 离散傅里叶变换和快速算法
2.2 利用DFT做连续信号的频谱分析
离散傅里叶变换可以用来分析连续时间信号的频谱,其 原理如下:
这种方法存在如下问题: 混叠,泄漏,栅栏效应,分辨率,周期效应。 根据例6(书上63页)说明上面5个问题。
杨毅明 第2章 离散傅里叶变换和快速算法
clear;close all; f=10;a=4;T=1/(a*f);t=0:T:3; x=sin(2*pi*f*t); subplot(211);plot(t,x);xlabel('t/s');ylabel('x(t)'); N=length(t);n=0:N-1;k=n; W=exp(-j*2*pi/N*k'*n); X=W*conj(x'); subplot(212);stem(k,abs(X),'.');xlabel('k');ylabel('X(k)');
N 1 ~x1 (m) ~x2 (n rL m) RN (n)
m0
r

yL (n rL) RN (n) r
杨毅明 第2章 离散傅里叶变换和快速算法
yL(n)和yC(n) 的关系

yC (n) yL (n rL) RN (n) r

快速离散傅里叶变换

快速离散傅里叶变换

快速离散傅里叶变换快速离散傅里叶变换是一种非常重要的数学工具,广泛应用于信号处理、图像处理、音频处理等领域。

它可以将时域上的信号转换为频域上的信号,从而能够更好地理解和处理信号的特性。

本文将从原理、应用以及优势等方面介绍快速离散傅里叶变换。

一、原理快速离散傅里叶变换(Fast Fourier Transform, FFT)是一种将离散信号转换为频域信号的算法。

它基于傅里叶变换的定义,将信号分解为一系列的正弦和余弦函数。

通过计算信号在不同频率上的振幅,可以得到信号的频谱信息。

快速离散傅里叶变换的原理是利用了信号的对称性和周期性。

通过将信号分解为多个子信号,再对子信号进行傅里叶变换,最后将子信号的频谱合并,就可以得到整个信号的频谱。

这种分而治之的思想使得计算复杂度大大降低,从而实现了快速的计算。

二、应用快速离散傅里叶变换在信号处理中有着广泛的应用。

首先,它可以用于信号滤波。

通过将信号转换到频域上,可以选择性地滤除不需要的频率成分,从而实现对信号的去噪或者频率分析。

其次,它可以用于频谱分析。

通过分析信号在不同频率上的能量分布,可以得到信号的频谱图,从而对信号的特性进行分析和识别。

此外,快速离散傅里叶变换还可以应用于图像处理、音频处理等领域。

三、优势相比于传统的傅里叶变换算法,快速离散傅里叶变换具有许多优势。

首先,它的计算速度非常快。

传统的傅里叶变换算法的时间复杂度为O(N^2),而快速离散傅里叶变换的时间复杂度仅为O(NlogN),在大规模信号处理中有着明显的优势。

其次,它占用的内存空间较小。

传统的傅里叶变换算法需要存储大量的中间计算结果,而快速离散傅里叶变换只需要存储少量的中间结果,从而节省了内存空间。

此外,快速离散傅里叶变换还具有良好的数值稳定性和数值精度,可以有效地处理各种类型的信号。

快速离散傅里叶变换是一种非常重要的数学工具,广泛应用于信号处理、图像处理、音频处理等领域。

它通过将信号转换到频域上,可以更好地理解和处理信号的特性。

基于改进对比度的有限离散剪切波图像融合

基于改进对比度的有限离散剪切波图像融合

基于改进对比度的有限离散剪切波图像融合陈清江;张彦博;柴昱洲;魏冰蔗【摘要】为了提高多聚焦图像的融合精度,结合有限离散剪切波变换(FDST)良好的局部化特性及平移不变性,提出了一种基于有限离散剪切波变换与改进对比度相结合的图像融合新算法.对经过严格配准后的多聚焦图像进行FDST分解,得到低频子带系数和不同尺度不同方向的高频子带系数;对低频子带系数采用区域平均能量匹配度自适应融合算法,高频子带系数的选取则根据低频与高频系数关联得到的对比度进行融合;应用有限离散剪切波逆变换重构得到融合图像,并对融合结果进行主观视觉和客观评价.通过仿真实验,算法在主观视觉效果上有着明显的优越性.在不同融合算法比较的融合结果中,熵值、互信息量和边缘相似度分别平均提高了1.4%、34.6%和8.0%,各项客观评价指标优于其他算法.【期刊名称】《应用光学》【年(卷),期】2016(037)002【总页数】8页(P221-228)【关键词】有限离散剪切波;对比度;区域能量;平移不变性;图像融合【作者】陈清江;张彦博;柴昱洲;魏冰蔗【作者单位】西安建筑科技大学理学院,陕西西安710055;西安建筑科技大学理学院,陕西西安710055;西安建筑科技大学理学院,陕西西安710055;西安建筑科技大学理学院,陕西西安710055【正文语种】中文【中图分类】TN911.73;TP391.4图像融合是将来自多个传感器对同一场景的图像数据,经过相应的融合算法组合成一幅图像的过程,从而有效地将各个源图像的优点结合起来,有利于更好地分析和提取图像信息[1]。

这种技术已广泛应用于医学、机器视觉、遥感等领域。

多尺度融合方法首先将源图像进行分解,得到不同层次不同分量的系数,其次选取合适的融合规则,对各系数进行运算选取,最后将处理后的系数进行逆变换得到重构图像。

因此,一个好的融合方法不仅依赖于变换而且依赖于融合规则,它们直接影响融合后图像的质量。

小波变换[2-3]具有多分辨分析的特点,在时域和频域上都有表征信号局部特征的能力。

基于剪切波的变分图像放大方法

基于剪切波的变分图像放大方法

基于剪切波的变分图像放大方法王鹏;吴玉莲【摘要】针对图像放大的Chambolle变分模型会出现阶梯效应的现象,文中提出了一种基于Shearlet光滑分解空间的变分模型.利用有界变差空间和Shearlet分解空间的关系,特别是Shearlet分解空间的半范与加权Shearlet系数之间的等价关系,将所求的变分问题转化为基于Shearlet域的变分问题,其解归结于简单的Shearlet阈值.实验仿真表明,该方法放大后的图像有效地消除了阶梯块效应,保持了更多的细节,具有更高的峰值信噪比.【期刊名称】《电子科技》【年(卷),期】2016(029)006【总页数】4页(P146-149)【关键词】图像放大;剪切波;变分模型;分解空间【作者】王鹏;吴玉莲【作者单位】中航工业西安航空计算技术研究所13室,陕西西安710065;西安医学院卫生管理系,陕西西安710021【正文语种】中文【中图分类】TP391.41在图像处理中,最容易实现的图像放大方法是各种插值技术。

常用的图像处理软件都是基于图像插值的方法来对其进行放缩处理,例如最近邻插值、双线性插值以及基于高阶多项式的三次样条插值等。

这些图像插值方法取得了不错的效果, 并且操作简单,但这些方法的本质都是用预先指定的光滑函数来对原图像进行模拟。

因为这种方法具有固定的限制性,不可避免的会带来一些人工虚假信息[1]。

文献[2]给出了变分图像放大算法,得到较为理想的放大效果。

但该算法以有界变差(TV)作为正则约束使放大的图像具有阶梯块效应。

文献[3]利用小波软阈值和Besov空间(Ω)中变分泛函的等价性在小波域对图像进行放大。

众所周知, 小波变换对含点状奇异的目标函数是最优的,但对具有线状奇异的函数而言,小波并不能达到最优的稀疏逼近。

于是,多尺度几何分析应运而生。

典型的代表为曲线波变换(Curvelet Transform) [4]、轮廓波变换(Contourlet)[5]及剪切波变换(Shearlet Transform) [6-8]。

5_离散傅里叶变换与快速傅里叶变换

5_离散傅里叶变换与快速傅里叶变换

6 X (k ) X * (( N k )) N RN (k ), 若 x(n) imagenary
2016/6/2 大连理工大学 26
• 【满足圆周共轭对称性的序列】
2016/6/2
大连理工大学
27
• 【圆周卷积和性质】
– 若: DFT x1(n) X1(k ), DFT x2 (n) X 2 (k )
* * 2 DFT x (( n )) R ( n ) X (k ) N N 1 * 3 DFTRe x(n) X ep (k ) X (( k )) X (( N k )) N RN ( k ) N 2 1 * 4 DFT jIm x(n) X op (k ) X (( k )) X (( N k )) N RN ( k ) N 2 5 X (k ) X * (( N k )) N RN (k ), 若 x(n) real
( n) 和 a k 分别表示周期性信号和频谱。 –定义新符号: x
–定义矩形序列符号 RN (n) 和
RN (k )

1, 0 n N 1 1, 0 k N 1 RN (n) 或 RN (k ) 0, 其它 n 0, 其它 k
( n) 和 a k –有限长序列 x(n) 和 ak 可以认为是周期性序列 x 的一个周期。
谱或系统的频率响应也是数字化的。 –实际应用中的信号总是有限时宽的、且为非周期的。希 望信号频谱也是有限频宽、且非周期的。 –考察前面介绍的4种傅里叶级数或傅里叶变换,没有任
何一种能够满足这种需求。
–因此,发展新的傅里叶变换方法以适应数字信号处理实 际应用的要求称为数字信号处理理论的一个重要任务。 –这就为DFT的发展提供了需求和动力。

离散小波变换公式原理

离散小波变换公式原理

离散小波变换公式原理离散小波变换(Discrete Wavelet Transform,简称DWT)是一种在信号与图像处理中常用的变换方法。

它是将信号或图像通过一对分析滤波器和合成滤波器进行卷积运算,得到信号或图像的低频分量和高频分量。

(1) 分解(Analysis):将长度为N的输入信号x(n)通过低通滤波器h(n)和高通滤波器g(n)分别卷积得到低频分量和高频分量:L(k) = Sum(h(i) * x(2*k-i))H(k) = Sum(g(i) * x(2*k-i))其中,L(k)表示k时刻的低频分量,H(k)表示k时刻的高频分量。

(2) 上采样(Upsampling)和滤波(Filtering):将得到的低频分量和高频分量分别进行上采样(插值)和卷积运算,得到长度为2N的信号:LL(k) = Sum(h(i) * L(2k-i))HL(k) = Sum(g(i) * L(2k-i))L(k)=LL(k)H(k)=HL(k)(3) 递归(Recursion):重复以上过程,将得到的低频分量和高频分量再次进行分解,直到分解到指定的层数。

这个过程可以用一棵二叉树来表示,每个节点对应一个分解层,汇聚到根节点的路径就是一个信号或图像的分解系数序列。

一、滤波器组的选择离散小波变换通过一对滤波器组来进行分解和合成,低通滤波器h(n)用于提取信号或图像的低频成分,高通滤波器g(n)用于提取信号或图像的高频成分。

滤波器组的选择决定了小波变换的性质。

常用的小波滤波器有Daubechies小波、Haar小波、Symlets小波等。

二、多尺度分析1.小波变换具有良好的时间局部性,能够更好地捕捉信号或图像的短时特征。

2.小波变换不仅能够提取信号或图像的低频成分,还能够提取高频细节信息,可以在对信号或图像进行降噪、压缩等处理时发挥较好的作用。

3.小波变换可以进行多尺度分析,对信号或图像的不同频率特征进行精细化处理。

离散傅里叶变换及快速算法

离散傅里叶变换及快速算法

(5-5)
W e N
j
2 N
的性质:
正交性,周期性,
共轭对称性(偶序列),可约性。
§5.离散傅里叶变换及快速算法
1.离散傅里叶级数
1.2离散傅里叶级的计算
例5-1 求出下面周期序列的DFS
x(n) 0 ,1,2,3, 0 ,1,2,3, 0,1,2,3
n0
为改进嵌套循环计算的效率,将循环结构改为矩阵形式计算
§5.离散傅里叶变换及快速算法
0.概述
离散时间傅里叶变换(DTFT)是通过周期频谱 来描述一个离散信号序列,即DTFT是连续变 量w的连续函数。离散傅里叶变换(DFT)则是 针对有限长序列,是对DTFT采样后得到的离 散序列。 此种表示方法非常有利于数值计算以及数字信 号处理算法的DSP硬件实现。 本章将研究离散傅里叶级数,离散傅里叶变换 (DFT),及离散傅里叶变换的快速算法FFT。
(5-3)
n0
称之为离散傅里叶级数DFS的系数。是一个基波周期为N的 周期序列。
X (k) X (k N)
§5.离散傅里叶变换及快速算法
W e 在DFS变换中引入复数 N
j
2 N
将DFS正反变换描述为
N 1
X (k) x(n)WNnk
n0
x (n)
1 N
N 1
X (k )WNnk
k 0
n0
x(n)
1 N
N 1
X (k )WNnk
k 0
x
1 N
WN* X
WN WNkn 0
k,n
N
1
1 1
1
WN1
1
W ( N 1) N
1
W ( N 1) N

离散傅里叶变换及其快速计算方法

离散傅里叶变换及其快速计算方法

X N (k ) X '( z )
z WN k



n
x '(n)WNkn
24
X '( z ) Z [ x '(n)]
X N (k ) X '( z )
xN ( n)

z WN k
x '(n rN )
r
频域抽样序列 的得到的
是原来非周期序列 ′ 基于
j
2
mk
N
~
X (k )
2
j
mk ~
~
mk ~
N
DFS [ x ( n m)] WN X (k ) e
X (k )
Note:时域延迟,频域有线性相移
3、调制性质
~
DFS [WNln x(n)] X (k l )
13
4、周期卷积和(时域)
~
~
~
若 Y (k ) X 1 (k ) X 2 (k )


N 1

1
nk
x ( n) x ( n) R ( n)
X ( k )W N RN ( n)

N



N k 0
x(n),X(k)
代替
( , (
DFT变换对(标准形式):
2
N 1
N 1
j nk

nk
N
X
(
k
)

DFT
[
x
(
n
)]

x
(
n
)
W
=
x
(
周期为点的周期延拓
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

离散可分离剪切波变换及其数值计算1、离散可分离剪切波变换DSSTWang-Q Lim 在2010年提出了离散可分离剪切波变换(Discrete Separable Shearlet Transform ,DSST ),其中一个主要特征就是可以选择可分离的尺度函数()22L φ∈R 及剪切波生成函数()(0)22L ψ∈R ( ()(1)22L ψ∈R ),即函数可表示为()()()1212,x x x x φφφ=,()()()(0)121112,x x x x ψψφ=,()()(1)(0)1221,,x x x x ψψ=下面将在水平锥0C 上构造可分离剪切波生成函数()22L ψ∈R 以及与之相关的尺度函数()22L φ∈R ,垂直锥1C 同理。

令()2L φ∈R 是一维紧支撑尺度函数,并选择某个相适的滤波器h (所需条件将在后面讨论)使其满足:1111111()()2(2)n x h n x n φφ∈=-∑Z(1)如果与之相关的一维紧支撑小波函数()2L ψ∈R ,可用相适的滤波器g 表示为:1111111()()2(2)n x g n x n ψφ∈=-∑Z(2)那么,此剪切波生成函数可表示为()()()121112,x x x x ψψφ= (3)尺度函数可表示为()()()121112,x x x x φφφ= (4)对于固定的J > 0,假设函数()22f L ∈R 可表示为()()()1122222,2JJJ Jn f x f n x n x n φ∈=--∑Z (5)这是一个数字实现的常规假设,尺度系数可被看做f 的抽样值,事实上,通过选择合适的φ可使()()2J J f n f n -=。

由上面的讨论,可知剪切波系数(),,,0,1j k mf j J ψ=-可通过下式计算()()(),,2,0,2,,j k m j j m kf f S ψψ-=⋅⋅ (6)若2j 不为整数,则需选取22j j ⎡⎤⎢⎥⎢⎥⎣⎦或。

式(6)显示了剪切波系数,,,j k mf ψ的离散化方法:首先应用与各向异性抽样矩阵2j A 相关联的离散可分离小波变换计算()()22j kf S-⋅。

与式(5)定义的假设形式f 相比,要求()()22j k f S -⋅包含在以下尺度空间中()(){}2121222,2:,J J J J V n n n n φ=⋅-⋅-∈Z由上式很容易看出,如果剪切系数22j k -为非整数,则剪切矩阵22j kS -不能将规则网格22J -Z 保留在V J 中,即()2222j kS-≠Z Z为了解决这个问题,定义一个新的尺度空间()()(){}4222,121222,2:,k J j J j J J j J k V S n n n n φ+++=⋅-⋅-∈Z可以看出由仿射规则网格22J -Z 沿着水平方向以22j 为因子,可得到尺度空间2,k J j J V +。

基于这种改变,新网格222J j J ---⨯Z Z 在剪切算子22j kS -下是不变的,由于22222222222()2(())(22)J j J J j J j k J j Jj kQ Q S S-----------⨯===⨯Z Z Z Z Z Z其中,Q=diag (2,1)。

因此,对于式(6)中()()22j kf S-的表示我们有如下引理。

引理 1 保留本部分的符号和定义。

令22j ↑表示以22j 为因子的一维上采样算子,*1表示沿水平方向的一维卷积算子,21()j h n 是三角多项式的傅里叶系数21221121101()()j k i n j n k H h n e πξξ--∈==∑∏Z(7)可得()()()422112222()22,2J j J j J j J k k kn f Sx f S n x n x n φ++-∈=--∑Z其中,()()()2122()j J J j f n f h n ↑=*此引理的证明需要以下结论,它来自小波理论的级联算法命题1 假定()2L ψ∈R 和()2L φ∈R 分别满足等式(3)和(4),对正整数12j j ≤,有221121121111112112(2)(2)2(2)j j j j j j j j d x n hd n x d φφ--∈-=--∑Z(8)和2211211211111112112(2)(2)2(2)j j j j j j j j d x n gd n x d ψφ--∈-=--∑Z(9) 其中,j h 和j g 分别是三角多项式j H 和j G 的傅里叶系数,j H 的定义如式(7)所示。

对固定的j>0,j G 的定义为2122221111111011()()()j k j i n i n j n n k G h n e g n e πξπξξ----∈∈=⎛⎫⎛⎫= ⎪⎪⎝⎭⎝⎭∑∑∏Z Z引理1的证明:令12,2j J j J j ==+,将其带入式(8),有2224211121111112(2)(2)2(2)J J j J j J j J j d x n hd n x d φφ++-∈-=--∑ (10)由于φ是一个二维可分离函数,即()()()121112,x x x x φφφ=,因此有()()()()221211112221,2222J JJ J J n n f x f n n x n x n φφ∈∈⎛⎫=-- ⎪⎝⎭∑∑Z Z由式(10)可得()()422()22J j J j J n f x f n Q x n φ+∈=-∑其中,Q=diag (2,1)。

使用2222j j j k k Q S S Q -=,()()22j kf S-最终可表示为()()()()()()4222222422422()22()22()2(2)J j J j j J j kkn J j J j J k k n J j J j J k n f Sx f n Q Sx n f n S Q x S n f n S Q x n φφφ+--∈+-∈+∈=-=-=-∑∑∑证明完毕。

式(6)的第二步数字化是剪切波本身的离散化,由命题1可得到如下的结论。

引理2 保留此部分的符号和定义。

24,,112222()(2)(2)2(2)J j J j J j J j k m J jJ j d x gd m h d m x d ψφ--+--∈=---∑如前所述,充分应用与各向异性抽样矩阵2j A 相关联的离散可分离小波变换,对与12,0j j >,()2c l ∈Z ,定义线性变换(),12c j j W()()()()212,121122121212122,(2)(2),,,j j j j j j m W c n n gm n h m n c m m n n ∈=--∈∑Z Z (11)引理1和2共同完成了剪切波系数,,,j k m f ψ的离散化算术实现。

因此,有如下定理:定理1 保留此部分的符号和定义。

令22j ↑表示以2j/2为因子的一维上采样算子,*1表示沿水平方向的一维卷积算子,剪切波系数,,,j k m f ψ可化为()()()(),,,21222,()j k m J j J j J k k j j f W f S h m ψ--↓=*Φ*其中()()()()()()22121,,k k j j n S n n h n h n φφΦ=⋅⋅-∈=-Z图1(a )显示了剪切波变换的步骤。

使用定理1计算剪切波系数时,限制与抽样矩阵2j A 相关的可分离小波变换的尺度系数为()()()()()()22212222:()d j J J k k j J j kS f n f S h n f l -↓=*Φ*∈Z (12)在详细描述实现步骤之前,先进一步研究尺度系数()22d j J k S f -。

()22d j J k S f -可以看做是通过数字剪切操作22d j k S -在整数格2Z 上对J f 的采样。

图1(b )给出了2214j k -=-时22d j k S -的基本过程。

图1 (a )计算剪切波系数的步骤:沿水平轴细化(上行),与剪切矩阵相关的重采样(中间)和可分离小波变换(下行);(b )4j =,1k =时的水平方向细化过程事实上,对于任意剪切系数k ,式(12)中的滤波器系数()k n Φ都可以很容易预先计算得到。

在实际计算中经常假设(0,0)k χΦ=,有时甚至可以跳过这一卷积步骤。

离散可分离剪切波变换(DSST )的计算方法可通过如下步骤表示: ● Step 1:在精细尺度j J =以2j/2为因子对其给定的数据J f 一维上采样。

● Step 2:在精细尺度j J =,计算上采样后的数据J f 和一维低通滤波器2j h 的一维卷积,得到J f 。

● Step 3:在精细尺度j J =,根据剪切抽样矩阵k S 重采样J f 得到(())J k f S n 。

由于整数格在剪切矩阵k S 下是不变的,因此重采样的步骤也很简单。

● Step 4:在精细尺度j J =,以2j/2为因子对2j h 一维下采样后与(())J k f S n 进行一维卷积。

● Step 5:应用可分离小波变换,2J j J j W --遍历尺度0,1,,1j J =-。

2、冗余度分析实用性要求的主要问题之一就是可控的冗余。

为了能够定量的分析冗余离散剪切波变换的冗余度,假设输入数据f 是一个由二维尺度函数φ转换的有限的线性组合,在尺度J 表示如下:21210012()(2)J J Jnn n f x d x n φ--===-∑∑上式满足式(5)的假设。

为了使结果更具普遍性,在变换中使用任意的抽样矩阵12(,)c M diag c c =,剪切元素的形式如下所示34,,2()2()j j k m k j c S M m ψψ⋅=A ⋅-那么可以得到如下结论:命题2 离散可分离剪切波变换(DSST )的冗余度为12413c c ⎛⎫⎛⎫⎪ ⎪⎝⎭⎝⎭证明:首先考虑在固定尺度{0,.1}j J ∈-水平域的剪切元素,观查可知,剪切指数k 有212j +个,与尺度矩阵2jA和抽样矩阵c M 相关的变换指数有211222()j j c c -个。

因此,在水平域表示f 需要211122()j c c +-个剪切元素。

同理,在垂直域也需要相同个数的剪切元素。

最后,在最粗糙尺度0j =尺度函数φ需要21c -个变换。

遍历所有尺度所需必要剪切元素的个数为212012124422213J J j j c c c c -=⎛⎫⎛⎫⎛⎫⎛⎫++= ⎪ ⎪ ⎪⎪⎝⎭⎝⎭⎝⎭⎝⎭∑ 冗余度为此数据与原始系数个数的比值,J →∞时得证。

相关文档
最新文档