1樓：
第一個問題：ll2部分的大小是128*128，你說是深度就是小波變化的級數，級數增加1，影象大小縮小一半，所以第一級變換後ll大小為256*256，第二級變換後大小為128*128。
第二個問題：影象變換後的畫素值就是小波變換的係數值。
第三個問題：係數意義你這圖已經表達的很清楚了，第一級變換後hh為高頻資訊一般顯示影象中45度和135度的方向資訊；ll為低頻資訊，顯示影象的輪廓資訊，hl和lh為介於高頻和低頻之間的資訊，hl能顯示影象中的豎直資訊，lh顯示影象中的水平資訊。總體來說ll稱為低頻部分，hh，hl和lh稱為高頻部分，低頻為輪廓資訊，高頻為細節資訊。
希望能幫到你。
關於小波變換後的係數問題
2樓：
離散小波變換變換採用普通二進小波變換系數都是減少一半的，沒有見到哪個教材變換後，每一層的係數都是不變的。wavemenu小波工具箱進行變換在離散小波變換時，每一層的係數也是減少一半的，你看到是每一層變換後的小波係數重構的結果，其元素個數是和原資料大小相等的，其原因是重構過程進行了插值。除非採用離散平穩小波變換（swt），那樣變換後每一層的係數才是不變的。
順便說一句，小波變換的係數通常對分析訊號沒有意義，有時還是虛數，連圖都成不了，只有通過重構（小波逆變換）才能變成有實際意義的結果。
對訊號進行小波變換後得到的係數是什麼？用小波變換進行訊號壓縮的原理是什麼？
3樓：
小波係數就是訊號的一種分解，小波係數主要是用來做特徵提取。
壓縮，就是用少量的小波係數來代替原來的訊號，小波係數基本可以還原出訊號，去除了一些重複和噪聲，使資料量降低。
4樓：匿名使用者
小h波變換和去噪通俗的講就是剝大a蒜的過程，也y就是不e斷的分6層，使得訊號拆分6成各種頻段（根據採用頻率而定），而這一e過程要用到低通濾波器和高通濾波器，而小m波去噪就是在高頻部分5（因為2通常白噪聲出現在高頻部分8）改變數字量，運用一w些演算法去除一w些混有噪聲的數字，然後再運用重構低通濾波器和高通濾波器把剛剛分5層的頻段加起來，差不u多就是拼湊大a蒜的過程吧。 如何改變高頻係數（也r就是去除噪聲）具體演算法如下m： 2。
軟門u限和硬門t限所謂門d限法,就是選擇一p個j門n限,然後利用這個i門z限對小l波變換後的離散細節訊號和離散逼近訊號進行處理。硬門n限可以3描述為8：當資料的絕對值小t於x給定的門e限時,令其為4零,而資料為5其他值時不t變。
軟門i限可以1描述為2:當資料的絕對值小x於u給定的門d限時,令其為1零,然後把其他資料點向零收縮。 3。
門e限選擇的準則及q其演算法根據現有的文7獻,對於m被高斯白噪聲汙染的訊號基本噪聲模型, 一k般地, 選擇門i限的準則如下p: 5． 無b偏風5險估計7準則。對應於f每一q個y門p限值, 求出與g其對應的風4險值, 使風2險最小m的門b限就是我們所要選取的門c限，其具體演算法為7:
(a) 把待估計2的向量中5的元g素取絕對值, 由小i到大s排序, 然後將各個z元t素平方5, 得到新的待估計0向量n v ,其長7度為6原待估計4向量的長0度n。 (b) 對應每一v個t元l素下p標(即元o素的序號) k ,若取門l限為0待估計3向量的第k 個c元h素的平方6根,則風5險演算法為1: (1) 固定門s限準則。
利用固定形式的門u限,可取得較好的去噪特性。設n 為1待估計5向量的長6度,取長0度3 倍的常用對數的平方8根為0門n限。 (7) 極小p極大w準則。
本準則採用固定門f限獲得理想過程的極小z極大e特性。 極小j極大o原理是在統計7學中8為4設計2估計8量而採用的,由於s去噪訊號可以6假設為7未知迴歸函式的估計4量,則極小y極大m估計7量是實現在最壞條件下f最大c均方4誤差最小q的任選量。 (3) 混合準則。
它是無j偏風7險估計8和固定門h限準則的混合
2011-10-27 7:09:53
小波變換系數問題
5樓：
小波係數是使用卷積運算完成的，也就是使用不同尺度下的小波基與訊號做內積，不是我們通常描述相似性的相關係數。它的值不僅會大於1，而且會有負數，因為根據小波函式的定義，小波基一定是正負交替的**波形，且數軸上下波形曲線所圍的面積必定相等，這正是小波基的積分為零的含義。所以小波係數一定有正有負，如果使用復小波基還會得到複數小波係數，所以不要用相關係數的定義去與小波變換聯絡，它們完全沒有關係，只是它們都有可以表徵相似程度的功能罷了。
關於連續小波變換的幾個問題，求教 80
6樓：
首先應明白連續或不連續多指數學的概念而已，應用中的訊號都是離散的，只是你的取樣足夠高就可認為是連續的，所以小波變換中關心的是點數問題，而不關心訊號是否連續。對於cwt或dwt其連續與否不是指分析訊號，而是你說的a或b的問題，但你仍可以借鑑上面對於訊號連續的理解。cwt中a是連續的，b其實就是點數，也可認為是連續的。
最早的dwt是沒有mallat演算法的，那時a是以2的冪次方變化離散，b卻是連續變化的，即二進小波變換。這種變換很雞肋，還不如直接做cwt。dwt的應用之所以遠遠多於cwt就是引入了mallat演算法，好處是終於可以分解和重構訊號了，這種方式對訊號特徵的研究非常有利。
dwt的核心思想其實就是cwt引出的伸縮和平移的概念，a以2的冪次方變化實現了小波的伸縮，b通過下抽樣實現了小波的平移。從實際應用中進行小波變換的目的和效果來看，cwt中2/4/8/16/32的小波係數結果應該對應dwt中的階次（層數）1/2/3/4/5的小波細節係數（或更準確的是重構後的小波細節，因為cwt的係數個數是不變的等於原訊號長度，但dwt細節係數是每層近似減半的，重構後才會等長，b也是姑且認為是減半的不連續吧）。
再追問吧，第二問題可能更多，我儘量精簡。哎，幹嘛要把問題寫在一起，這就是麻煩啊，你必須追問我才能再寫！
matlab小波變換的係數和恢復問題
7樓：塗顏帥
cs是個好東西，首先非零個數可以直接用find， length( find(a~=0) ) 就是a中非零元素的個數。
求解1範數有工具包的，l1-magic.
你要得到右圖，第一步需要把小波基寫成矩陣phi，假設要分解的訊號是y, 利用l1magic 求解 y=a*phi*x , a是測量矩陣，如果你只是想用小波分解y，a取1就好了。 得到的x才是稀疏的，否則直接小波分解，得到的係數一般不稀疏
多看看壓縮感知的基礎，l1magic 也可以適當瞭解他的用法，對你肯定有幫助
一維離散資料的matlab小波變換
matlab自帶wavlet 小波處理工具箱 你可以呼叫進行使用 高分求一維離散小波變換的matlab gfggfgfgfgf 直接用matlab小波變換函式就行 請問一維時域訊號的連續小波變換用matlab怎麼做 5 1，把第一個圖的資料在matlab裡的workplace搞出來 如何用matla...
分塊的變換（例如DCT）與小波變換之間的主要區別是什麼？各有何優缺點
分塊的時候，塊和塊之間有部分是重疊的，這樣，在反變換回來的時候，可以將邊界部分的資料拋棄，這樣就可以消除邊界效應了 壓縮方法不同，dct在對訊號分解後，對高頻部分直接threshold，得到的訊號用以重構。小波變幻在對訊號分解後，對高頻部分進行濾波，得到的訊號用以重構。所以一個解析度是固定的，另一個...
小波包和小波變換區別,小波分析和小波包分析的區別是什麼
小波分析是隻對低頻部分進行分解,分解成低頻 高頻兩部分 小波包分解對低頻和高頻部分都進行分解,某一層是低頻 高頻係數相間,如上圖,a開頭表示低頻,d開頭表示高頻。小波分析和小波包分析的區別是什麼 為了克服小波分解在高頻段的頻率解析度較差，而在低頻段的時間解析度較差的缺點，人們在小波分解的基礎上提出了...