【基於小波变换的图像压缩方法及其结合ART网络在人像识别中的应用研究】常迪.pdf

目录提要第一章引言 1 1小波分析概论小波分析的思想来源本论文的主要工作第二章小波变换 2 从Fourier变换到小波变换积分小波变换离散小波变换二维有限离散小波变换第三章快速G小波变换3G小波变换3快速G小波变换第四章基于快速G小波变换的图象压缩方法4快速G小波变换的图象压缩算法.4按任意比例压缩图象.4 图象缩后数据的量化4 结果与讨论

提要本文在研究离散小波变换的基础上,给出了有限二维离散小波变换的公式.选取G小波基函数,利用G小波基函数的性质,提出了快速G小波变换算法(FGWT),使得G小波变换的速度得到了显著的提高.并且利用快速G小波变换(FGWT)对TIFF格式的灰度图象进行了压缩,改进了G小波变换的缺点,使图象可以以任意比例进行压缩.在快速G小波变换后,对数据进行了量化处理,提高了图象的保真度.另外,本文在研究小波变换图象压缩方法的基础之上,根据小波变换在时域和频域同时具有良好的局部化性质,在高压缩比下利用以上快速G小波变换的方法作为特征抽取工具,经过二进编码后,作为ART神经网络特征输人,结合

第一章引言究,并取得了很好的效果。为了系统地介绍小波分析,以下将介绍小波分析中的一些预备知识.小波分析来源于信号分析。在信号分析中,对信号的基本刻画采用两种最基本的形式:时域和频域 1.时域:把时间或空间位置作为自变量,自变量的取值范围。如:位移、速度信号、图象信号、味觉信号等.2.频域:信号作某一变换后的取值范围。如:Fourier变换、小波变换等.给定连续信号f(t),可将ft)近似地表为下列阶梯函数 f(t)=∑c(n)其中,取整数点n为样点,式中C,=f(n)为样本值,而其基函数(图1):Φ(t)={/>1> 0 其他并将其称为尺度函数。