小波分析实验二维离散小波变换Mallat快速算法Word文件下载.docx
《小波分析实验二维离散小波变换Mallat快速算法Word文件下载.docx》由会员分享,可在线阅读,更多相关《小波分析实验二维离散小波变换Mallat快速算法Word文件下载.docx(18页珍藏版)》请在冰豆网上搜索。
[h,g]=wfilters(wname,'
d'
);
%h,g分别为低通和高通滤波器
X=double(X);
t=1;
hh=size(X,2);
whilet<
=level
%先进行行小波变换
for
row=1:
hh
Y(row,1:
hh)=mdec1(X(row,1:
hh),h,g);
end
%再进行列小波变换
forcol=1:
temp=mdec1(Y(1:
hh,col)'
h,g);
Y(1:
hh,col)=temp'
;
t=t+1;
hh=hh/2;
X=Y;
end
%内部子函数,对一行(row)矢量进行一次小波变换,利用fft实现
functiony=mdec1(x,h,g)
%输入:
x行数组
h为低通滤波器
g为高通滤波器
y进行一级小波分解后的系数
lenx=size(x,2);
lenh=size(h,2);
rh=h(end:
-1:
1);
rrh=[zeros(1,(lenx-lenh)),rh];
rrh=circshift(rrh'
1)'
rg=g(end:
rrg=[zeros(1,(lenx-lenh)),rg];
rrg=circshift(rrg'
r1=dyaddown(ifft(fft(x).*fft(rrh,lenx)),1);
%usepara1
r2=dyaddown(ifft(fft(x).*fft(rrg,lenx)),1);
y=[r1,r2];
(2)二维小波重构函数
%二维小波重构函数
functionY=mallatrec2(X,wname,level)
载入的小波系数矩阵;
level
重构图像矩阵
%h,g分别为重构低通滤波器和重构高通滤波器
hz=size(X,2);
h1=hz/(2^(level-1));
whileh1<
=hz
%对列变换
h1
temp=mrec1(X(1:
h1,col)'
h,g)'
X(1:
h1,col)=temp;
%再对行变换
forrow=1:
temp=mrec1(X(row,1:
h1),h,g);
X(row,1:
h1)=temp;
h1=h1*2;
Y=X;
%内部子函数,对一行小波系数进行重构
functiony=mrec1(x,h,g)
y进行一级小波重构后值
r3=dyadup(x(1,1:
lenx*0.5),0);
%内插零usepara0
r4=dyadup(x(1,(lenx*0.5+1):
lenx),0);
%usepara0
y=ifft(fft(r3,lenx).*fft(h,lenx))+ifft(fft(r4,lenx).*fft(g,lenx));
(3)测试函数(主函数)
%测试函数(主函数)
clc;
clear;
X=imread('
E:
\Libin的文档\Course\Course_wavelet\实验2要求\exp2\LENA.bmp'
%路径
A=mallatdec2(X,'
sym2'
3);
image(abs(A));
colormap(gray(255));
title('
多尺度分解图像'
Y=mallatrec2(A,'
Y=real(Y);
figure
(2);
subplot(1,2,1);
image(X);
原始图像'
subplot(1,2,2);
image(Y);
重构图像'
csize=size(X);
sr=csize
(1);
sc=csize
(2);
mse=sum(sum((Y-X).^2,1))/(sr*sc);
psnr=10*log(255*255/mse)/log(10)
实验1连续小波变换
在理解连续小波变换原理的基础上,通过编程实现对一维信号进行连续小波变换,(实验中采用的是墨西哥帽小波),从而对连续小波变换增加了理性和感性的认识,并能提高编程能力,为今后的学习和工作奠定基础。
程序附录:
(1)墨西哥帽小波函数,按照(***)式编程
%mexh.m
functionY=mexh(x)
ifabs(x)<
=8
Y=exp(-x*x/2)*(1-x^2);
else
Y=0;
End
(2)实验程序,按照(**)式编程,详细过程请参考“本实验采取的一些小技巧”
%
load('
data.mat'
len=length(dat);
lna=70;
%(尺度a)的长度
a=zeros(1,lna);
wfab=zeros(lna,len);
%小波系数矩阵
mexhab=zeros(1,len);
%离散化小波系数矩阵
fors=1:
lna
%s表示尺度
fork=1:
len
mexhab(k)=mexh(k/s);
end
fort=1:
len
%t表示位移
wfab(s,t)=(sum(mexhab.*dat))/sqrt(s);
%将积分用求和代替
mexhab=[mexh(-1*t/s),mexhab(1:
len-1)];
%mexhab修改第一项并右移
figure
(1);
plot(dat);
原始数据图'
%小波系数谱
image(wfab);
colormap(pink(128));
小波系数图'
%surf(wfab);
%title('
小波系数谱网格图'
%pwfab=wfab.*wfab;
%%瞬态功率谱
%figure(3);
%subplot(1,2,1);
%surf(pwfab);
瞬态功率谱网格图'
%subplot(1,2,2);
%contour(pwfab);
瞬态功率谱等值线'
(3)test函数。
%test函数
fori=1:
200
dat(i)=sin(2*pi*i*0.05);
%正弦波函数
lna=40;
orignaldat'
正弦波的小波系数图'
(4)用fft实现cwt
%按照圆周卷积定理,原周卷积和线性卷积的关系L>
=M+N-1
%按照圆周卷积的定义,相关和线性卷积的关系(原始算法和线性卷积的关系)
%注意画图理解
t1=cputime;
%a(尺度)的长度
%a表示尺度
b=zeros(1,len);
%b表示位移
mexhab=zeros(1,2*len-1);
data=[zeros(1,len-1),dat];
Ydata=fft(data,4*len);
2*len-1
mexhab(k)=mexh((k-len)/s);
temp=ifft(Ydata.*fft(mexhab,4*len),4*len);
wfab(s,:
)=real(temp(2*len-1:
3*len-2))/sqrt(s);
%为什么要取实部而不是取模,我也不是很清楚,可是有种感觉
小波系数谱'
cputime-t1
4)fft快速计算cwt
%按照圆周卷积的定义,
a=5;
data=[dat,zeros(1,len)];
Ydata=fft(dat,2*len);
mexhab=zeros(1,2*len);
k=[-a*s:
1:
a*s];
mexhab(k+len)=mexh2(k./s);
temp=ifft(Ydata.*fft(mexhab,2*len),2*len);
)=real(temp(len+1:
2*len))/sqrt(s);
%要取实部而不是取模,呵呵
5)保存为mexh2.m
functionY=mexh2(x)
Y=exp(-x.*x/2).*(1-x.^2);
(本资料素材和资料部分来自网络,仅供参考。
请预览后才下载,期待您的好评与关注!
)