小波与滤波器组设计 理论及其应用PDF电子书下载

第1章 引言 1

1.1 信号与采样 1

1.2 傅里叶变换与Z变换 5

1.3 小波与滤波器 7

1.4 习题 13

第2章 滤波器组 15

2.1 抽取与插值 15

2.2 二通道滤波器组 20

2.2.1 完全重构条件 21

2.2.2 半带滤波器和滤波器构造 23

2.3 多相位矩阵 24

2.4 习题 31

第3章 正交滤波器组 33

3.1 仿酉矩阵 33

3.2 滤波器组构造的栅格方法 35

3.3 正交滤波器的构造方法 39

3.4 习题 45

第4章 正交小波与多尺度分析 46

4.1 正交多尺度分析 46

4.2 正交小波 49

4.3 Daubechies小波 60

4.4 Cascade算法 67

4.5 习题 71

第5章 双正交小波与滤波器 72

5.1 双正交小波及其多尺度分析 72

5.2 双正交滤波器组 78

5.3 具有对称性和紧支撑的双正交小波 81

5.4 习题 85

第6章 小波滤波器的提升算法 86

6.1 提升算法 86

6.2 双正交滤波器的提升格式分解 90

第7章 图像的小波分解及其统计特性 95

7.1 图像的离散小波分解 95

7.2 图像处理中的线性逆问题 98

7.3 马尔可夫随机场初步 100

7.3.1 马尔可夫随机场基本理论 100

7.3.2 马尔可夫随机场与吉布斯分布 102

7.3.3 基于最大后验概率-马尔可夫随机场模型的复原算法介绍 103

7.4 图像小波变换的基本特性 106

7.5 图像在小波域的统计模型 109

7.6 常用参数估计方法介绍 117

第8章 小波域图像去噪算法 121

8.1 图像去噪模型介绍 121

8.2 小波域图像去噪的最大后验概率模型 124

8.3 小波域图像去噪的收缩模型 129

8.3.1 小波去噪阈值选择 132

8.3.2 小波阈值去噪背后的原理 138

8.3.3 空间自适应收缩去噪算法 141

8.3.4 伪吉布斯效应和平稳小波阈值去噪 144

8.4 基于样条变换的小波去噪算法 146

8.5 三维变换域联合滤波去噪算法 151

第9章 小波域图像复原算法 157

9.1 图像复原模型介绍 157

9.2 小波域稀疏约束图像复原 160

9.3 基于小波域隐马尔可夫树模型的图像复原 164

9.3.1 问题的化简和求解 165

9.3.2 隐马尔可夫树模型参数向量的估计 167

9.3.3 算法描述及实验结果比较 168

9.4 基于小波域相对误差约束的图像复原算法 170

9.4.1 图像去模糊中的振铃现象 170

9.4.2 频率域相对误差 174

9.4.3 基于频率域相对误差的图像去模糊算法 178

第10章 小波图像压缩技术 183

10.1 图像编码基础 183

10.2 小波系数的树表示和编码 189

10.3 嵌入式零树小波编码技术 191

10.3.1 零树小波定义 192

10.3.2 零树小波编码 192

10.3.3 零树逐次逼近量化 194

10.3.4 嵌入式零树小波编码算法示例 196

10.4 多级树集合分裂算法 200

10.5 JPEG2000和EBCOT算法简介 206

10.6 多分量预测编码技术介绍 213

10.6.1 图像的多分量预测模型 215

10.6.2 多分量预测编码算法介绍及结果比较 218

第11章 几何小波初步 221

11.1 图像模型和最优逼近 222

11.1.1 图像模型 222

11.1.2 最优逼近 223

11.2 Curvelet变换 225

11.2.1 连续Curvelet变换 225

11.2.2 离散Curvelet变换 227

11.2.3 Curvelet变换的奇异性检测 228

11.3 Bandlet 230

11.3.1 几何流 230

11.3.2 几何流的确定 232

11.3.3 Bandlet的最佳m-项逼近 232

11.3.4 Bandlet的应用 233

11.4 Contourlet 235

11.4.1 拉普拉斯金字塔 236

11.4.2 方向滤波器组 237

11.5 几何小波总结 238

第12章 稀疏表示与压缩感知介绍 239

12.1 基本概念介绍 239

12.2 匹配追踪介绍 241

12.3 基追踪介绍 248

12.3.1 基追踪算法介绍 249

12.3.2 基于稀疏表示的图像分解 252

12.4 压缩感知介绍 256

12.4.1 压缩感知基本原理 256

12.4.2 压缩感知算法介绍 258

12.4.3 压缩感知应用示例 262

第13章 自适应信号分解算法介绍 265

13.1 信号的自适应分解概念 265

13.2 经验模式分解算法 268

13.2.1 经验模式分解算法基础 268

13.2.2 经验模式分解中包络的分析与改进 271

13.2.3 经验模式分解中的模式混叠现象 278

13.3 零空间追踪算法介绍 283

13.3.1 基于微分算子的零空间追踪算法 286

13.3.2 基于微分算子的零空间追踪算法 290

附录A 数学基础知识 298

A.1 线性空间 298

A.2 线性赋范空间 299

A.3 希尔伯特空间 301

参考文献 305