小波分析及其在数字图像处理中的应用PDF电子书下载

第1章 绪论 1

1.1背景 1

1.2小波分析的国内外研究现状 1

1.2.1小波分析的发展简史 1

1.2.2小波研究的国内外现状 3

1.3主要内容 4

本章参考文献 5

第2章 傅里叶变换、Gabor变换和小波变换的对比分析 7

2.1傅里叶变换 7

2.2 Gabor变换 7

2.2.1高斯函数的特性 8

2.2.2高斯函数的傅里叶变换特性 8

2.2.3测不准原理 9

2.3小波变换 10

2.3.1小波变换的定义 10

2.3.2小波的时频窗 10

2.4 Gabor变换与小波变换的对比 11

2.5本章小结 12

本章参考文献 12

第3章 小波变换的理论研究 14

3.1小波变换的离散化 14

3.1.1连续小波变换离散化满足的条件 14

3.1.2二进小波的稳定条件 15

3.1.3二进小波变换和重构 16

3.1.4稳定条件的意义 16

3.2小波框架 17

3.2.1小波框架的物理意义 17

3.2.2紧框架和完备标准正交基的关系 17

3.3 R基和R小波 18

3.3.1 R基的定义 18

3.3.2 R基和框架的关系 18

3.3.3小波分析中的R基 18

3.3.4 R小波 19

3.4多尺度分析和双尺度方程 20

3.4.1多尺度分析 20

3.4.2正交MRA的物理意义 21

3.4.3尺度函数φ（t）的双尺度方程 21

3.4.4小波函数ψ（t）的双尺度方程 22

3.5正交小波 22

3.5.1正交尺度函数和小波所满足的条件 22

3.5.2正交滤波器H（ω）和G（ω）所满足的关系 23

3.5.3滤波器系数所满足的关系式 23

3.5.4 Mallat算法 24

3.5.5紧支集正交小波的构造 25

3.6紧支集双正交小波 27

3.7函数的正则性和消失矩 28

3.8本章小结 30

本章参考文献 31

第4章 小波变换在图像压缩中的应用 32

4.1图像压缩方法简介 32

4.1.1图像压缩方法分类 32

4.1.2统计编码 33

4.1.3预测编码 33

4.1.4变换编码 33

4.1.5混合编码 34

4.2空间太阳望远镜在轨图像压缩需求 34

4.2.1空间太阳望远镜主要技术指标 34

4.2.2 SST装载的科学仪器 35

4.2.3 SST数据处理系统 35

4.2.4 SST对数据传输分系统的需求 35

4.2.5 SST图像数据与传输的矛盾 36

4.2.6 SST图像在轨压缩需求 39

4.3 SST图像的压缩方案选取 39

4.3.1 SST图像的压缩编码方法选取 39

4.3.2小波基的选取原则 40

4.3.3小波基选取影响因素分析 40

4.4二维小波的构造 42

4.4.1构造方法 42

4.4.2图像分解过程 42

4.5 SST图像压缩过程分析 43

4.5.1压缩过程概述 43

4.5.2小波变换和逆变换过程 44

4.5.3延拓方法的选取 45

4.6嵌入式小波零树压缩算法研究 46

4.6.1嵌入式小波零树编码的特点 46

4.6.2嵌入式小波零树编码概貌 46

4.6.3嵌入式小波零树编码原理 47

4.6.4比特平面的重要性顺序 49

4.6.5零树编码过程举例 50

4.6.6嵌入式小波零树压缩算法实现 52

4.7基于集合划分的等级树压缩算法研究 53

4.7.1基于集合划分的等级树算法的基本思想 53

4.7.2集合的划分 54

4.7.3 SPIHT压缩算法实现 54

4.8本章小结 56

本章参考文献 57

第5章 图像的压缩质量评价方法和应用实例 59

5.1图像压缩质量的评价方法 59

5.1.1压缩信噪比 59

5.1.2压缩比 60

5.1.3主观评价方法 61

5.2不同类型小波基压缩效果分析 62

5.2.1 SST图像压缩结果 62

5.2.2 SST图像压缩后的质量分析 65

5.2.3 SST图像压缩后的主观质量评价 70

5.3小波分解层次的影响 75

5.4采用阈值处理方法的图像压缩实例 76

5.4.1不同小波基的能量集中度比较 77

5.4.2不同阈值的压缩结果 79

5.4.3结果分析 80

5.4.4不同变换方法的压缩效果 82

5.4.5小波变换分解层次对图像压缩效果的影响及分析 85

5.5小波变换在信号消噪和突变点检测中的应用 88

5.5.1小波分析用于信号的消噪 88

5.5.2小波分析用于突变信号检测的原理 91

5.5.3小波分析用于信号突变点检测的实例 92

5.5.4小波变换域图像去噪自适应阈值技术研究 94

5.6本章小结 99

本章参考文献 100

第6章 小波变换在数字水印中的应用 101

6.1小波分析在数字水印中的应用概述 101

6.2数字水印技术的历史、现状和发展 102

6.3数字水印理论 105

6.3.1数字水印的基本原理 105

6.3.2数字水印的基本框架 105

6.3.3数字水印的基本特性 106

6.3.4数字水印的分类 107

6.4数字水印的典型算法 108

6.4.1空间域数字水印 108

6.4.2变换域数字水印 109

6.4.3数字水印的攻击 109

6.5混沌理论与置乱技术概述 110

6.5.1混沌的发展 110

6.5.2混沌的定义 111

6.5.3混沌的特征 112

6.5.4典型的混沌模型 115

6.5.5混沌在数字水印中的应用 118

6.5.6数字图像置乱技术 120

6.6基于小波变换的数字水印应用实例 123

6.6.1小波变换与人类视觉模型 123

6.6.2基于混沌加密与Arnold变换的水印生成算法 123

6.7基于混沌和幻方置乱的小波域数字水印 130

6.7.1基于幻方思想的混沌置乱矩阵的生成 130

6.7.2基于混沌加密和置乱的水印生成算法 130

6.7.3数字水印嵌入与提取 131

6.7.4实验结果及分析 132

6.8基于小波变换的扩频数字水印嵌入算法研究 135

6.8.1概述 135

6.8.2扩频水印嵌入算法 135

6.8.3算法实验结果 137

6.9基于混沌加密和Arnold变换的隐性数字水印算法研究 139

6.9.1数字图像水印的混沌加密 139

6.9.2数字水印的嵌入方法和原理 139

6.9.3实验结果与分析 141

6.10基于Arnold变换的小波域半脆弱数字水印算法 142

6.10.1水印嵌入的方法和原理 142

6.10.2实验结果与分析 144

6.10.3结果和讨论 146

6.11本章小结 146

本章参考文献 147

第7章 Gabor小波在人脸识别中的应用研究 150

7.1人脸识别典型方法 150

7.1.1子空间方法 150

7.1.2基于连接机制的人脸识别方法 151

7.1.3隐马尔可夫模型识别方法 151

7.1.4基于贝叶斯的人脸识别方法 152

7.1.5基于流形的人脸识别 152

7.2隐马尔可夫模型 153

7.2.1隐马尔可夫模型介绍 153

7.2.2隐马尔可夫模型的三个基本问题 154

7.2.3隐马尔可夫模型算法实现中的问题 158

7.3基于Gabor脸和HMM的人脸识别方法 163

7.3.1研究背景 163

7.3.2 Gabor小波概述 165

7.3.3利用Gabor小波进行特征提取 167

7.3.4主元分析降维 169

7.3.5 HMM人脸识别 170

7.3.6算法复杂度分析 172

7.3.7实验结果及分析 174

7.3.8结论 180

7.4基于Gabor小波、ICA和HMM的人脸识别方法 180

7.4.1独立元分析降维 180

7.4.2实验结果及分析 181

7.4.3结论 185

7.5本章小结 186

本章参考文献 187

第8章 小波树在人脸识别中的应用研究 190

8.1基于小波树和HMM的人脸识别算法 190

8.1.1人脸图像二维离散小波变换 190

8.1.2低频小波树 193

8.1.3实验结果及分析 195

8.1.4利用ICA降维 196

8.1.5结论 197

8.2基于小波树和Fisher线性鉴别的人脸识别算法 197

8.2.1 Fisher线性鉴别 198

8.2.2实验结果及分析 200

8.2.3结论 202

8.3基于小波树和二维主元分析的人脸识别算法 203

8.3.1二维主元分析 203

8.3.2分类 204

8.3.3实验结果及分析 204

8.3.4结论 207

8.4基于小波树和非参数鉴别分析的人脸识别算法 207

8.4.1非参数鉴别分析 208

8.4.2实验结果及分析 209

8.4.3结论 211

8.5本章小结 211

本章参考文献 211

第9章 Gabor小波在纹理图像分割中的应用研究 213

9.1图像分割概述 213

9.2基本原理 217

9.2.1特征提取 218

9.2.2二维滑动矩形窗傅里叶变换的快速递推算法 221

9.2.3能量函数表示形式 225

9.3数值实现 227

9.4性能分析和实验结果 228

9.5本章小结 230

本章参考文献 230

展望 232