林福宗 清华大学 计算机科学与技术系 linfz@mail.tsinghua.edu.cn 2008年9月 多媒体技术教程 第7章 小波与小波变换 林福宗 清华大学 计算机科学与技术系 linfz@mail.tsinghua.edu.cn 2008年9月.

Slides:



Advertisements
Similar presentations
1 時 頻 分 析 近 年 來 的 發 展時 頻 分 析 近 年 來 的 發 展 丁 建 均 國立台灣大學電信工程學研究所 Recent Development of Time-Frequency Analysis.
Advertisements

因数与倍数 2 、 5 的倍数的特征
质数和合数 2 的因数( ) 6 的因数( ) 10 的因数 ( ) 12 的因数 ( ) 14 的因数 ( ) 11 的因数 ( ) 4 的因数( ) 9 的因数( ) 8 的因数( ) 7 的因数( ) 1 、 2 、 3 、 4 、 6 、 12 1 、 11 1 、 2 、 5 、 10.
因数与倍数 2 、 5 的倍数的特征 绿色圃中小学教育网 扶余市蔡家沟镇中心小学 雷可心.
2 和 5 的倍数的特征 运动热身 怎样找一个数的倍数? 从小到大写出 2 的倍数( 10 个): 写出 5 的倍数( 6 个) 2 , 4 , 6 , 8 , 10 , 12 , 14 , 16 , 18 , 20 5 , 10 , 15 , 20 , 25 , 30.
2.5 函数的微分 一、问题的提出 二、微分的定义 三、可微的条件 四、微分的几何意义 五、微分的求法 六、小结.
冀教版四年级数学上册 本节课我们主要来学习 2 、 3 、 5 的倍数特征,同学们要注意观察 和总结规律,掌握 2 、 3 、 5 的倍 数分别有什么特点,并且能够按 要求找出符合条件的数。
重庆市九龙坡区走马小学 邓华. 一、复习导入,揭示课题 下面哪些数是 2 的倍数?哪些数是 5 的倍数? 2,5的倍数的特征:只看个位上数就能进行判断。 2的倍数:个位上是0,2,4,6,8的数。
练一练: 在数轴上画出表示下列各数的点, 并指出这些点相互间的关系: -6 , 6 , -3 , 3 , -1.5, 1.5.
2 、 5 的倍数特征 集合 2 的倍数(要求) 在百数表上依次将 2 的倍数找出 并用红色的彩笔涂上颜色。
第九章流媒体技术与小波变换(补充) 什么是流媒体?
信号与系统 第三章 傅里叶变换 东北大学 2017/2/27.
3.4 空间直线的方程.
1.2 信号的描述和分类.
§1 二阶与三阶行列式 ★二元线性方程组与二阶行列式 ★三阶行列式
小波分析基础.
2.小波分析的基本理论 2.1 引言 2.2 小波发展的历史 2.3 小波变换发展概述 2.4 小波分析理论的主要内容
第三章 函数逼近 — 最佳平方逼近.
研究生讲座:小波分析及其应用 1、小波的特点和发展 2、小波分析在一维信号处理中的应用 3 、小波分析在图象分析中的应用 图象特征抽取
第一章 行列式 第五节 Cramer定理 设含有n 个未知量的n个方程构成的线性方程组为 (Ⅰ) 由未知数的系数组成的n阶行列式
第五节 微积分基本公式 、变速直线运动中位置函数与速度 函数的联系 二、积分上限函数及其导数 三、牛顿—莱布尼茨公式.
第二节 微积分基本公式 1、问题的提出 2、积分上限函数及其导数 3、牛顿—莱布尼茨公式 4、小结.
第5章 定积分及其应用 基本要求 5.1 定积分的概念与性质 5.2 微积分基本公式 5.3 定积分的换元积分法与分部积分法
不确定度的传递与合成 间接测量结果不确定度的评估
第三节 格林公式及其应用(2) 一、曲线积分与路径无关的定义 二、曲线积分与路径无关的条件 三、二元函数的全微分的求积 四、小结.
§5 微分及其应用 一、微分的概念 实例:正方形金属薄片受热后面积的改变量..
第7章 离散信号的频域分析 离散Fourier级数 离散Fourier变换 第3章 连续信号的频域分析 连续Fourier级数
§5 微分及其应用 一、微分的概念 实例:正方形金属薄片受热后面积的改变量..
C++中的声音处理 在传统Turbo C环境中,如果想用C语言控制电脑发声,可以用Sound函数。在VC6.6环境中如果想控制电脑发声则采用Beep函数。原型为: Beep(频率,持续时间) , 单位毫秒 暂停程序执行使用Sleep函数 Sleep(持续时间), 单位毫秒 引用这两个函数时,必须包含头文件
小 波 分 析 浅 述 钟 彦 刘广裕 指导老师 苏 先 樾
元素替换法 ——行列式按行(列)展开(推论)
Wavelet transform 指導教授:鄭仁亮 學生:曹雅婷.
Chapter 3 Discrete Fourier-Transform (Part Ⅰ)
2002秋季学期网上课程 多媒体技术基础与应用 (Multimedia Fundamentals and Applications) (Face to Face 2 of 4) 林 福 宗 清华大学 计算机科学与技术系 智能技术与系统国家重点实验室
第十章 方差分析.
实验六 积分器、微分器.
多媒体技术 中南大学信息科学与工程学院 黄东军.
28.1 锐角三角函数(2) ——余弦、正切.
2.1.2 空间中直线与直线 之间的位置关系.
宁波市高校慕课联盟课程 与 进行交互 Linux 系统管理.
第4章 非线性规划 4.5 约束最优化方法 2019/4/6 山东大学 软件学院.
第一章 函数与极限.
晶体管及其小信号放大 -单管共射电路的频率特性.
概 率 统 计 主讲教师 叶宏 山东大学数学院.
线 性 代 数 厦门大学线性代数教学组 2019年4月24日6时8分 / 45.
晶体管及其小信号放大 -单管共射电路的频率特性.
成绩是怎么算出来的? 16级第一学期半期考试成绩 班级 姓名 语文 数学 英语 政治 历史 地理 物理 化学 生物 总分 1 张三1 115
第4章 Excel电子表格制作软件 4.4 函数(一).
2019/5/4 实验三 离散傅立叶变换的性质及应用 06:11:49.
iSIGHT 基本培训 使用 Excel的栅栏问题
§6.7 子空间的直和 一、直和的定义 二、直和的判定 三、多个子空间的直和.
第4课时 绝对值.
多层循环 Private Sub Command1_Click() Dim i As Integer, j As Integer
信号与图像处理基础 Wavelet Analysis 中国科学技术大学 自动化系 曹 洋.
分数再认识三 真假带分数的练习课.
2019/5/21 实验一 离散傅立叶变换的性质及应用 实验报告上传到“作业提交”。 11:21:44.
连续小波变换.
第二节 函数的极限 一、函数极限的定义 二、函数极限的性质 三、小结 思考题.
正弦、余弦函数的性质 华容一中 伍立华 2017年2月24日.
小波分析发展历史 1807年 Fourier 提出傅里叶分析 , 1822年发表 “热传导解析理论”论文
§2 方阵的特征值与特征向量.
第10章 离散小波变换的多分辨率分析 10.1 多分辨率分析的引入 10.2 多分辩率分析的定义 10.3 空间 、 中信号的分解
第三章 从概率分布函数的抽样 (Sampling from Probability Distribution Functions)
第十七讲 密码执行(1).
FVX1100介绍 法视特(上海)图像科技有限公司 施 俊.
1.4.1正弦函数、余弦函数的图象.
位似.
1.4.1正弦函数、余弦函数的图象.
一元一次方程的解法(-).
§2 自由代数 定义19.7:设X是集合,G是一个T-代数,为X到G的函数,若对每个T-代数A和X到A的函数,都存在唯一的G到A的同态映射,使得=,则称G(更严格的说是(G,))是生成集X上的自由T-代数。X中的元素称为生成元。 A变, 变 变, 也变 对给定的 和A,是唯一的.
Presentation transcript:

林福宗 清华大学 计算机科学与技术系 linfz@mail.tsinghua.edu.cn 2008年9月 多媒体技术教程 第7章 小波与小波变换 林福宗 清华大学 计算机科学与技术系 linfz@mail.tsinghua.edu.cn 2008年9月

第7章 小波与小波变换目录 7.1 小波介绍 7.2 哈尔函数 7.3 哈尔小波变换 7.4 规范化算法 7.5 二维哈尔小波变换 7.1.1 小波简史 7.1.2 小波概念 7.1.3 小波分析 7.1.4 小波定义 7.2 哈尔函数 7.2.1 哈尔基函数 7.2.2 哈尔小波函数 7.2.3 函数的规范化 7.2.4 哈尔基的结构 7.3 哈尔小波变换 7.4 规范化算法 7.5 二维哈尔小波变换 7.5.1 二维小波变换举例 7.5.2 二维小波变换方法 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍 小波(wavelet)是什么 在有限时间范围内变化且其平均值为零的数学函数 具有有限的持续时间和突变的频率和振幅 在有限的时间范围内,它的平均值等于零 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍(续1) 部分小波 许多数缩放函数和小波函数以开发者的名字命名,例如, 图7-1 正弦波与小波——部分小波 Moret小波函数是Grossmann和Morlet在1984年开发的 db6缩放函数和db6小波函数是Daubechies开发的 图7-1 正弦波与小波——部分小波 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍(续2) 小波简史 小波变换 (wavelet transform)是什么 1807: Joseph Fourier 老课题:函数的表示方法 新方法:Fourier-Haar-wavelet transform 1807: Joseph Fourier 傅立叶理论指出,一个信号可表示成一系列正弦和余弦函数之和,叫做傅立叶展开式 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍(续3) 只有频率分辨率而没有时间分辨率 可确定信号中包含哪些频率的信号,但不能确定具有这些频率的信号出现在什么时候 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍(续4) 1909: Alfred Haar Alfred Haar对在函数空间中寻找一个与傅立叶类似的基非常感兴趣。1909年他发现并使用了小波,后来被命名为哈尔小波(Haar wavelets) 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍(续5) 1945: Gabor 开发了STFT (short time Fourier transform) 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍(续6) 1980:Morlet 1986:Y.Meyer 20世纪70年代,在法国石油公司工作的年轻地球物理学家Jean Morlet提出小波变换 (wavelet transform,WT)的概念。 20世纪80年代, 开发了连续小波变换 (continuous wavelet transform, CWT) 1986:Y.Meyer 法国科学家Y.Meyer与其同事创造性地构造出具有一定衰减性的光滑函数,用于分析函数 用缩放(dilations)与平移(translations)均为2 j(j≥0的整数)的倍数构造了L2(R)空间的规范正交基,使小波分析得到发展 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍(续7) 1988:Mallat算法 法国科学家Stephane Mallat提出多分辨率概念,从空间上形象说明小波的多分辨率的特性,并提出了正交小波的构造方法和快速算法,称为Mallat算法[1] 该算法统一了在此之前构造正交小波基的所有方法,其地位相当于快速傅立叶变换在经典傅立叶分析中的地位 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍(续8) 小波理论与工程应用 Inrid Daubechies于1988年最先揭示了小波变换和滤波器组(filter banks)之间的内在关系[2],使离散小波分析变成为现实 Ronald Coifman和Victor Wickerhauser等著名科学家在把小波理论引入到工程应用方面做出了极其重要贡献 在信号处理中,自从Stephane Mallat和Inrid Daubechies发现滤波器组与小波基函数有密切关系之后,小波分析在信号(如声音和图像)处理中得到极其广泛的应用 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析 小波分析/小波变换 变换目的是获得时间和频率域之间的相互关系 小波变换 小波分析中常用的三个基本概念 对一个函数在空间和时间上进行局部化的一种数学变换 通过平移母小波(mother wavelet)获得信号的时间信息 通过缩放母小波的宽度(或称尺度)获得信号的频率特性 对母小波的平移和缩放操作是为计算小波的系数,这些系数代表局部信号和小波之间的相互关系 对比傅立叶变换 提供了频率域的信息,但丢失了时间域的局部化信息 小波分析中常用的三个基本概念 连续小波变换 离散小波变换 小波重构 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析(续1) 连续小波变换(continuous wavelet transform,CWT) 傅立叶分析 小波分析 用一系列不同频率的正弦波表示一个信号 一系列不同频率的正弦波是傅立叶变换的基函数 小波分析 用母小波通过移位和缩放后得到的一系列小波表示一个信号 一系列小波可用作表示一些函数的基函数 凡能用傅立叶分析的函数都可用小波分析 小波变换可理解为用经过缩放和平移的一系列函数代替傅立叶变换用的正弦波 用不规则的小波分析变化激烈的信号比用平滑的正弦波更有效,或者说对信号的基本特性描述得更好 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析(续2) CWT的变换过程示例,见图7-3,可分如下5步 小波ψ (t)和原始信号f(t)的开始部分进行比较 计算系数C——该部分信号与小波的近似程度;C值越高表示信号与小波相似程度越高 小波右移k得到的小波函数为ψ (t-k) ,然后重复步骤1和2,……直到信号结束 扩展小波,如扩展一倍,得到的小波函数为ψ (t/2) 重复步骤1~4 图7-3 连续小波变换的过程 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析(续3) 离散小波变换(discrete wavelet transform,DWT) 连续小波变换用下式表示 该式含义:小波变换是信号f(t)与被缩放和平移的小波函数Ψ之积在信号存在的整个期间里求和 CWT变换的结果是许多小波系数C ,这些系数是缩放因子(scale)和位置(position)的函数 离散小波变换(discrete wavelet transform,DWT) 用小波的基函数(basis functions)表示一个函数的方法 小波的基函数序列或称子小波(baby wavelets)函数是由单个小波或称为母小波函数通过缩放和平移得到的 缩放因子和平移参数都选择2j (j >0的整数)的倍数,这种变换称为双尺度小波变换(dyadic wavelet transform) 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析(续4) DWT得到的小波系数、缩放因子和时间关系,见图7-5 图(a)是20世纪40年代使用Gabor开发的短时傅立叶变换(short time Fourier transform,STFT)得到的 图(b)是20世纪80年代使用Morlet开发的小波变换得到的 图7-5 离散小波变换分析图 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析(续5) 执行DWT的有效方法 用Mallat在1988年开发的滤波器,称为Mallat算法[1] DWT的概念见图7-6。S表示原始的输入信号;通过两个互补的滤波器产生A和D两个信号 A表示信号的近似值(approximations),大的缩放因子产生的系数,表示信号的低频分量 D表示信号的细节值(detail),小的缩放因子产生的系数,表示信号的高频分量 图7-6 双通道滤波过程 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析(续6) 小波分解树与小波包分解树 由低通滤波器和高通滤波器组成的树 原始信号通过一对滤波器进行的分解叫做一级分解。信号的分解过程可以迭代,即可进行多级分解。 小波分解树(wavelet decomposition tree) 用下述方法分解形成的树:对信号的高频分量不再继续分解,而对低频分量连续进行分解,得到许多分辨率较低的低频分量,见图7-7 小波包分解树(wavelet packet decomposition tree) 用下述方法分解形成的树:不仅对信号的低频分量连续进行分解,而且对高频分量也进行连续分解,这样不仅可得到许多分辨率较低的低频分量,而且也可得到许多分辨率较低的高频分量,见图7-8 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析(续7) 图7-7 小波分解树 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析(续8) 图7-8 三级小波包分解树 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析(续9) 注意:在使用滤波器对真实的数字信号进行变换时,得到的数据将是原始数据的两倍 例如,如果原始信号的数据样本为1000个,通过滤波之后每一个通道的数据均为1000个,总共为2000个。于是,根据尼奎斯特(Nyquist)采样定理就提出了采用降采样(downsampling)的方法,即在每个通道中每两个样本数据中取一个,得到的离散小波变换的系数(coefficient)分别用cD和cA表示,见图7-9 图7-9 降采样过程 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析(续10) 小波重构 重构概念 两个过程 把分解的系数还原成原始信号的过程叫做小波重构(wavelet reconstruction)或合成(synthesis),数学上叫做逆离散小波变换(inverse discrete wavelet transform,IDWT) 两个过程 在使用滤波器做小波变换时包含滤波和降采样(downsampling)两个过程,在小波重构时也包含升采样(upsampling)和滤波两个过程,见图7-10 升采样是在两个样本数据之间插入“0”,目的是把信号的分量加长,其过程见图7-11 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析(续11) 图7-10 小波重构方法 图7-11 升采样的方法 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析(续12) 重构滤波器 滤波器关系到能否重构出满意的原始信号。在信号的分解期间,降采样会引进畸变,这种畸变叫做混叠(aliasing)。这就需要在分解和重构阶段精心选择关系紧密但不一定一致的滤波器才有可能取消这种混叠 低通分解滤波器(L)和高通分解滤波器(H)以及重构滤波器(L'和H')构成一个系统,这个系统叫做正交镜像滤波器(quadrature mirror filters,QMF)系统,如图7-12所示 图7-12 正交镜像滤波器系统 2019年1月1日 第7章 小波与小波变换

7.1 小波介绍——小波分析(续13) 小波变换演示 网址:http://galaxy.uci.agh.edu.pl/~maziarz/Wavelets/ 要安装下面的插件 Macromedia Shockwave plug-in 该演示有声音解说 2019年1月1日 第7章 小波与小波变换

7.2 哈尔函数 7.2.1 哈尔基函数 基函数是一组线性无关的函数,可以用来构造任意给定的信号,如用基函数的加权和表示 哈尔基函数(Haar basis function) 定义在半开区间[0,1)上的一组分段常值函数(piecewise-constant function)集 生成矢量空间V0的常值函数 2019年1月1日 第7章 小波与小波变换

7.2 哈尔函数(续1) 生成矢量空间V1的常值函数 2019年1月1日 第7章 小波与小波变换

7.2 哈尔函数(续2) 生成矢量空间V2的常值函数 可按照以上方法继续定义哈尔基函数和由它生成的矢量空间Vj,…… 2019年1月1日 第7章 小波与小波变换

7.2 哈尔函数(续3) 为了表示矢量空间中的矢量,每一个矢量空间都需要定义一个基(basis),哈尔基定义为 为生成矢量空间而定义的基函数也叫做尺度函数(scaling function)。哈尔基尺度函数定义为 其中,j为尺度因子,使函数图形缩小或放大 i为平移参数,使函数沿x轴方向平移 2019年1月1日 第7章 小波与小波变换

7.2 哈尔函数(续4) 7.2.2 哈尔小波(函数) 最古老和最简单的小波,定义为 生成矢量空间W0的哈尔小波 2019年1月1日 第7章 小波与小波变换

7.2 哈尔函数(续5) 生成矢量空间W1的哈尔小波 2019年1月1日 第7章 小波与小波变换

7.2 哈尔函数(续6) 生成矢量空间W2的哈尔小波 2019年1月1日 第7章 小波与小波变换

7.3 哈尔小波变换 求有限信号的均值和差值 [例7. 1] 假设有一幅分辨率只有4个像素P0、P1、P2、P3的一维图像,对应的像素值或称图像位置的系数分别为 [9 7 3 5] 计算该图像的哈尔小波变换系数 步骤1:求均值(averaging)。计算相邻像素对的平均值,得到一幅分辨率比较低的新图像,它的像素数目变成了2个,即新的图像的分辨率是原来的1/2,相应的像素值为 [8 4] 2019年1月1日 第7章 小波与小波变换

7.3 哈尔小波变换(续1) 步骤2:求差值(differencing)。为能从2个像素组成的图像重构由4个像素组成的原始图像,就需要存储一些图像的细节系数(detail coefficient) 方法是把像素对的第一个像素值减去这个像素对的平均值,或者使用这个像素对的差值除以2 原始图像用两个均值和两个细节系数表示为 [8 4 1 -1] 步骤3:重复步骤1和2,把由第一步分解得到的图像进一步分解成分辨率更低的图像和细节系数。其结果,整幅图像表示为 [6 2 1 -1] 2019年1月1日 第7章 小波与小波变换

7.3 哈尔小波变换(续2) 表7-1 哈尔变换过程 分辨率 平均值 细节系数 4 [9 7 3 5] 2 [8 4] [1 -1] 1 [9 7 3 5] 2 [8 4] [1 -1] 1 [6] [2] 把由4个像素组成的一幅图像用一个平均像素值和三个细节系数表示,这个过程称为哈尔小波变换(Haar wavelet transform),也称哈尔小波分解(Haar wavelet decomposition)。这个概念可以推广到使用其他小波基的变换 特点:(1) 变换过程中没有丢失信息,因为能够从所记录的数据中重构出原始图像。(2) 对这个给定的变换,可从所记录的数据中重构出各种分辨率的图像。(3) 通过变换之后产生的细节系数的幅度值比较小,为图像压缩提供了一种途径,如去掉微不足道的系数 2019年1月1日 第7章 小波与小波变换

7.3 哈尔小波变换(续3) 哈尔小波变换 在例7.1中的求均值和差值的过程实际上就是一维小波变换的过程,现在用数学方法重新描述哈尔小波变换 I(x)图像用V2中的哈尔基表示 2019年1月1日 第7章 小波与小波变换

7.3 哈尔小波变换(续4) I(x)图像用V1和W1中的函数表示 生成V1矢量空间的基函数为 和 ,生成矢量空间W1的小波函数为 和 ,I(x)可表示为 2019年1月1日 第7章 小波与小波变换

7.3 哈尔小波变换(续5) I(x)图像用V0、W0和 W1中的函数表示 生成矢量空间V0的基函数为 ,生成矢量空间W0的小波函数为 ,生成矢量空间W1的小波函数为 和 , I(x)可表示为 2019年1月1日 第7章 小波与小波变换

7.5 二维哈尔小波变换 用小波对图像进行变换的两种方法 标准分解(standard decomposition) 首先使用一维小波对图像每一行的像素值进行变换,产生每一行像素的平均值和细节系数,然后使用一维小波对这个经过行变换的图像的列进行变换,产生这个图像的平均值和细节系数 分解的过程如下: 2019年1月1日 第7章 小波与小波变换

7.5 二维哈尔小波变换(续1) 图7-28 图像的标准分解方法 2019年1月1日 第7章 小波与小波变换

7.5 二维哈尔小波变换(续2) 非标准分解(nonstandard decomposition) 用一维小波交替地对每一行和每一列像素值进行变换。 对每一行计算像素对的均值和差值,然后对每一列计算像素对的均值和差值 对包含均值的1/4像素计算行和列的均值和差值,依此类推 过程如下: 2019年1月1日 第7章 小波与小波变换

7.5 二维哈尔小波变换(续3) 图7-29 图像的非标准分解方法 2019年1月1日 第7章 小波与小波变换

7.5 二维哈尔小波变换(续4) 图7-26 使用小波分解产生多种分辨率图像 (a) 原始图像 (b) 1/4分辨率图像 (d) 1/64分辨率图像 (c) 1/16分辨率图像 图7-26 使用小波分解产生多种分辨率图像 2019年1月1日 第7章 小波与小波变换

7.5 二维哈尔小波变换(续5) 灰度图 (c) 1/16分辨率图像 (d) 1/64分辨率图像 2019年1月1日 第7章 小波与小波变换

第7章 小波与小波变换 参考文献和站点 Mallat, S. G.,A Theory for Multiresolution Signal Decomposition: The Wavelet Representation, IEEE Trans. PAMI, vol. 11, no. 7, July 1989, pp. 674-693 Daubechies, I. Orthonormal Bases of Compactly Supported Wavelets, Comm. Pure and Applied Math., vol. 41, Nov. 1988, pp. 909-996 http://www.mathworks.com/access/helpdesk/help/toolbox/wavelet/wavelet_tocframe.shtml Eric J. Stollnitz, Tony D. DeRose, and David H. Salesin, Wavelets for Computer Graphics: A Primer. IEEE Computer Graphics and Applications, 15(3): 76-84, May 1995 (part 1), and 15(4): 75-85, July 1995 (part 2) Peggy Morton and Arne Petersen, Image Compression Using the Haar Wavelet Transform,Math 45,College of the Redwoods, Dev.19,1997 http://amath.colorado.edu/courses/4720/2000Spr/Labs/openingpage.html Sarkar, T.K., Su, C., Adve, R., Salazar-Palma, M., Garcia-Castillo, L., and BOIX, R.R., A Tutorial on Wavelets from an Electrical Engineering Perspective, IEEE Antennas & Propagation Magazine, Vol. 40, No. 5, pp. 49-70, Oct. 1998.(Part 1: Discrete Wavelet Techniques), and Vol. 40, No. 6, pp. 36-48, Dec. 1998. (Part 2: The Continuous Case) W.Maziarz & K.Mikolajczyk, A Course on Wavelets for beginners, http://galaxy.uci.agh.edu.pl/~maziarz/Wavelets/ 2019年1月1日 第7章 小波与小波变换

END 第7章 小波与小波变换