小波理论及其在图像处理中的应用PDF电子书下载

第1章 绪论 1

1.1引言：小波理论与图像处理 1

1.2经典小波理论的源流与发展 2

1.2.1傅里叶分析和早期探索 2

1.2.2连续小波变换 4

1.2.3多尺度分析 5

1.2.4经典小波体系 6

1.2.4.1哈尔Haar小波族 6

1.2.4.2道波茜Daubechies小波族 6

1.2.4.3symlets（symN）小波族 7

1.2.4.4双正交（Biorthogonal）小波族 8

1.2.4.5Coiflet小波族 8

1.2.4.6莫莱Morlet小波 8

1.2.4.7墨西哥草帽（Mexican Hat）小波 9

1.2.4.8迈耶Meyer小波 9

1.2.5小波包、多小波和提升方法 10

1.3新型小波族及其图像处理应用综述 11

1.3.1经典小波分析的优缺点 11

1.3.2新型小波系统的改良 13

1.3.2.1降低平移敏感性 13

1.3.2.2增强方向选择性 13

1.3.2.3提供相位信息 14

1.3.3非自适应新型小波系统 15

1.4本书的研究内容与组织结构 16

1.5主要创新点和贡献 17

第2章 数字音像信号小波去噪方法 19

2.1小波在一维语音信号去噪中的应用 19

2.1.1小波滤波去噪方法的工程背景 19

2.1.2一维语音信号小波滤波基本方法 19

2.1.3小波变换模极大值的奇异点传播特性 21

2.1.4高斯白噪声的小波变换模极大值的尺度传播特性 22

2.1.5一维音频信号去噪算法 22

2.2非线性小波阈值音乐去噪 23

2.2.1选择小波基和小波分解层数 23

2.2.2选择阈值函数 24

2.2.3选择值 24

2.2.4小波去噪性能的评价标准 25

2.2.5音乐信号去噪的仿真实验及结果分析 26

2.2.5.1全局阈值去噪法的结果分析 26

2.2.5.2分层阈值去噪法的结果分析 28

2.2.5.3不同分解层数对去噪结果的影响比较 30

2.3小波二维图像去噪方法 32

2.3.1二维小波变换及快速算法 32

2.3.2二维小波去噪效果的评价指标 34

2.3.3二维小波图像去噪算法 34

2.3.3.1阈值的选择 34

2.3.3.2阈值函数的选择 35

2.3.3.3算法的实现步骤 37

2.3.4二维小波图像去噪仿真实验 37

2.4本章小结 41

第3章 小波在纹理图像处理中的应用 42

3.1纹理与小波 42

3.1.1纹理的定义 42

3.1.2地图的纹理图像属性 43

3.2纹理研究的基本问题和主要方法回溯 44

3.3纹理图像分类与融合 46

3.3.1纹理图像库简介 46

3.3.2离散小波框架变换与纹理分类 48

3.3.2.1离散小波框架变换 48

3.3.2.2离散小波框架变换用于纹理分类 49

3.3.3基于嘉伯小波和核方法的纹理图像分割算法 50

3.3.3.1特征提取 50

3.3.3.2分割算法 51

3.3.3.3仿真实验 52

3.4本章小结 53

第4章 脊波和曲波变换方法 54

4.1脊波变换概念 54

4.1.1连续脊波变换 54

4.1.2有限脊波变换 55

4.1.3有限Radon变换 56

4.1.4正交脊波基 56

4.2基于全局和局部对偶框架的数字脊波重构 56

4.2.1快速Slant Stack变换 56

4.2.2离散迈耶小波 57

4.2.3数字脊波 58

4.2.4基于全局对偶框架的图像压缩和去噪算法 58

4.2.5基于局部对偶框架的图像压缩和去噪算法 59

4.3图像去噪的数字曲波变换算法 60

4.3.1连续曲波变换 60

4.3.2数字曲波变换 61

4.3.3数字曲波变换去噪仿真实验 62

4.4基于曲波变换的遥感图像分解 63

4.4.1图像卡通部分和纹理部分的分解 63

4.4.2仿真实验 65

4.5本章小结 66

第5章 嘉伯小波图像目标识别方法 67

5.1嘉伯变换及其函数特性 67

5.2提取嘉伯变换小波特征的方法 69

5.3小波特征模板 70

5.3.1能量函数的确定和最小化 70

5.3.2参数优化 70

5.3.3小波特征模板的算法 71

5.4多通道嘉伯变换滤波器 71

5.4.1多通道嘉伯滤波器展开 71

5.4.2多通道嘉伯滤波器选择原则 72

5.4.3多通道嘉伯滤波器设计 72

5.5本章小结 73

第6章 轮波变换与影像融合 74

6.1二维离散小波变换 74

6.2轮波变换 76

6.2.1轮波变换多尺度分析 76

6.2.2框架金字塔 77

6.2.3方向滤波器组 78

6.2.4轮波变换的改进 80

6.3多尺度轮波变换方法遥感影像融合 80

6.3.1影像融合中常用的经典小波分解 80

6.3.2多光谱与全色影像小波域融合规则 81

6.3.3最小二乘估计与多光谱与全色影像小波变换融合方法 83

6.3.4小波基的选择、分解层次及算法 85

6.4常用SAR与小波多光谱影像融合方法比较分析 85

6.5SAR影像的多孔小波与轮波融合 87

6.5.1SAR影像的多孔小波融合 87

6.5.2SAR影像的轮波融合 87

6.6本章小结 88

第7章 基于曲波的活动轮廓图像分割 89

7.1图像分割与曲波变换 89

7.1.1引言：蛇形活动轮廓理论 89

7.1.2蛇形活动轮廓理论的发展 90

7.1.3曲波和其他小波的比较 90

7.1.4曲波解决的问题 91

7.2基于曲波的测地线活动轮廓 91

7.2.1水平集概念 91

7.2.2基于曲波的测地线活动轮廓与边界探测函数构造 92

7.2.3改进的曲波重构算法 94

7.2.4曲波尺度集上的边界地图 95

7.2.5Snake在曲波尺度间的穿越 95

7.2.6曲波测地线活动轮廓算法 96

7.2.7曲波测地线活动轮廓处理含噪图像仿真实验 96

7.3本章小结 97

第8章 复小波图像去噪方法 98

8.1复小波理论基本概念 98

8.1.1双正交完全重构滤波器 98

8.1.2希尔伯特变换对 99

8.2二元树复小波变换 100

8.2.1二元树复小波变换 100

8.2.2二元树复小波变换滤波器设计 101

8.2.3二元树复小波平移不变性和方向性分析 102

8.2.4二元树复小波变换的实现 104

8.3图像的小波域统计模型 105

8.3.1双变量收缩（BiShrink）模型 105

8.3.2高斯尺度混合（Gaussian Scale Mixture，GSM）模型 106

8.3.3隐马尔可夫树（HMT，Hidden Markov Tree）模型 106

8.4二元树复小波构造 107

8.4.1希尔伯特变换对设计 107

8.4.2二元树复小波变换滤波器设计 110

8.5复小波在图像去噪中的应用 111

8.5.1复小波域内利用尺度间和尺度内相关性的图像去噪 111

8.5.2基于二元树复小波变换的去噪算法 112

8.5.3复小波去噪仿真实验 113

8.6本章小结 114

第9章 总结与展望 115

9.1总结：小波图像处理的成果与问题 115

9.2展望：全息地图概念构想 115

后记 117

参考文献 118

附录（小波名词索引） 134