小波变换的应用

小波变换的应用小波变换的主要应用领域：信号分析图像处理量子力学理论物理军事电子对抗与武器的智能化目标分类与识别音乐与语音的分解与合成小波变换的主要应用领域：医学成像与诊断地震勘探数据处理机械故障诊断数值分析微分方程求解小波在图像压缩中的应用：图像压缩的原理：图像数据文件中通常包含有大量的冗余（redundancy)信息和不相干(irrelevancy)的信息。包括：空间冗余；时间冗余；结构冗余；视觉冗余；知识冗余等。传统的图像压缩方法基于Shannon信息论。其前提是：任何一组随机分布的数据的信息量由其熵来表征。现在，压缩技术的研究突破了传统信息论的框架，注入了人的感知特性，利用感知熵理论，使压缩效果得到了提高。图像压缩的国际标准：静止图像：JPEG,CCITT电视电话/会议电视：H.261/H.263活动图像：MPEG静止图像：JPEG2000活动图像：MPEG-4,MPEG-7压缩效果评价：图像压缩编码的三个阶段：图像分解量化无损压缩图像压缩编码方法：统计编码其理论基础是信息论。压缩的理论极限是信息熵。所以，也称为熵编码。熵编码是一种无失真编码方法。主要的熵编码方法有：霍夫曼（Huffman)编码；算法编码；行程编码（RJC）霍夫曼（Huffman)编码：理论依据是变字长编码理论。用变长度的码字来使冗余量达到最小。出现概率大的字符（数）用较短的码字。霍夫曼编码的一个例子：概率Pj字符aj码字xj0.400.150.150.100.100.050.040.01a1a2a3a4a5a6a7a80100110111101010110101110101111图像压缩编码方法：预测编码预测编码是一种针对统计冗