下载文档原格式
小波变换原理
小波变换是一种信号分析方法，它可以将一个信号分解成不同频率和时间的小波基函数的线性组合。
这种分解能够提供关于信号局部特征的信息，并且具有较好的时频局部化性质。
小波变换的基本原理是利用小波基函数对信号进行多尺度分析。
小波基函数是一组函数，它们具有有限时间和频率的特性。
通过对不同尺度的小波基函数进行缩放和平移，可以得到不同频率和时间的基函数。
在小波变换中，通常采用离散小波变换（DWT）进行信号分析。
离散小波变换将信号分解成不同尺度和位置的小波系数，每个小波系数表示信号在相应尺度和位置上的能量。
小波变换的优点之一是可以提供多分辨率的信号分析。
通过对信号进行分解，可以得到不同尺度上的信息，从而揭示信号在局部的频率特征。
这对于处理非平稳信号和突发信号非常有用。
小波变换还具有较好的时频局部化性质。
在时域上，小波基函数具有较短的时域长度，可以更好地描述信号的瞬时特征。
在频域上，小波基函数具有较宽的频带，可以更好地描述信号的频率特征。
小波变换在信号处理、图像处理、模式识别等领域有着广泛的应用。
它可以用于信号去噪、压缩、特征提取等任务，也可以用于图像边缘检测、纹理分析等任务。
总之，小波变换是一种多尺度信号分析方法，通过对信号进行分解，可以提取信号在不同尺度和位置上的特征。
它具有较好的时频局部化性质，可以有效地描述非平稳信号和突发信号的特征。
基于小波变换的人脸识别近年来，小波变换在科技界备受重视，不仅形成了一个新的数学分支，而且被广泛地应用于模式识别、信号处理、语音识别与合成、图像处理、计算机视觉等工程技术领域。
小波变换具有良好的时频域局部化特性，且其可通过对高频成分采取逐步精细的时域取样步长，从而达到聚焦对象任意细节的目的，这一特性被称为小波变换的“变聚焦”特性，小波变换也因此被人们冠以“数学显微镜”的美誉。
具体到人脸识别方面，小波变换能够将人脸图像分解成具有不同分辨率、频率特征以及不同方向特性的一系列子带信号，从而更好地实现不同分辨率的人脸图像特征提取。
4.1 小波变换的研究背景法国数学家傅立叶于1807年提出了著名的傅立叶变换，第一次引入“频率”的概念。
傅立叶变换用信号的频谱特性来研究和表示信号的时频特性，通过将复杂的时间信号转换到频率域中，使很多在时域中模糊不清的问题，在频域中一目了然。
在早期的信号处理领域，傅立叶变换具有重要的影响和地位。
定义信号(t)f 为在(-∞，+∞)内绝对可积的一个连续函数，则(t)f 的傅立叶变换定义如下：()()dt e t f F t j ωω-⎰∞-∞+= (4-1) 傅立叶变换的逆变换为：()()ωωπωd e F t f t j ⎰+∞∞-=21 (4-2)从上面两个式子可以看出，式（4-1）通过无限的时间量来实现对单个频率的频谱计算，该式表明()F ω这一频域过程的任一频率的值都是由整个时间域上的量所决定的。
可见，式（4-1）和（4-2）只是同一能量信号的两种不同表现形式。
尽管傅立叶变换可以关联信号的时频特征，从而分别从时域和频域对信号进行分析，但却无法将两者有效地结合起来，因此傅立叶变换在信号的局部化分析方面存在严重不足。
但在许多实际应用中，如地震信号分析、核医学图像信号分析等，研究者们往往需要了解某个局部时段上出现了哪个频率，或是某个频率出现在哪个时段上，即信号的时频局部化特征，傅立叶变换对于此类分析无能为力。
摘要小波分析是一种新的分析方法。
是继Ｆｏｕｒｉｅｒ分析之后计算数学和应用数学相结合的又一典范，有“数学显微镜”的美誉。
原则上说只要可以用Ｆｏｕｒｉｅｒ分析的均可用小波分析来代替。
Ｆｏｕｒｉｅｒ变换是传统的光学处理方法，要求研究对象在空域中有相对稳定的频率特征，对于非平稳信号会产生较大误差，因此要求有一种崭新的手段来有效地分析光学系统中的实际信号（即非平稳信号）。
本文主要包括以下几个方面Ｉ．小波变换的发展现状及小波领域的成就，引出光学小波的理论及光学小波应用的现状。
ＩＩ．光学空间滤波器的种类及三种设计、制作的方法。
ＩＩＩ．以Ｈａａｒ小波为例，进行了小波的数字化模拟，对光学小波变换过程进行计算机模拟。
模拟程序包含原图像的读取、Ｈａａｒ小波的构造、频谱变换、空间匹配滤波等内容，能够模拟Ｈａａｒ小波对图像边缘增强过程。
通过改变Ｈａａｒ小波的尺度，分析了不同尺度小波的光学变换结果。
同时，还提出了Ｈａａｒ小波的二次滤波方法，图像的边缘得到迸一步增强。
关键词：小波；小波变换；Ｆｏｕｒｉｅｒ光学；光学小波变换；光学空间滤波器；Ｈａａｒ小波；数值模拟。
ＡｂｓｔｒａｃｔＴｈｅｗａｖｅｌｅｔａｎａｌｙｓｉｓｉｓａｎｏｖｅｌｍｅｔｈｏｄ．ＩｔｉｓａｎｔｈｅｒａｐｏｔｈｅｏｓｉｓｏｆｃｏｍｐｕｔａｔｉｏｎａｌｍａｔｈｅｍａｔｉｃｓａｎｄａｐｐｌｉｅｄｍａｔｈｅｍａｔｉｃｓａｒｅｕｎｉｔｅｄａｆｔｅｒＦｏｕｒｉｅｒａｎａｌｙｓｉｓ．Ｉｔｉｓｎａｍｅｄ‘‘ｔｈｅｍｉｃｒｏｓｃｏｐｅｏｆｍａｔｈｅｍａｔｉｃｓ”．Ｉｎｆａｃｔ，ａｌｌｔｈｉｎｇｓｃａｎｂｅａｎｄＣａｎｂｙＷａｖｅｌｅｔａｎａｌｙｓｉｓｉｎｓｔｅａｄ．ＦｏｕｒｉｅｒａｎａｌｙｚｅｄｂｙＦｏｕｒｉｅｒａｎａｌｙｓｉｓｔｒａｎｓｆｏｒｍｉｓｃｌａｓｓｉｃａｌｌｙｏｐｔｉｃａｌｄｉｓｐｏｓｉｎｇｍｅｔｈｏｄ，ｔＯｒｅｑｕｅｓｔｔｈｅｏｂｊｅｃｔｏｆｒｅｓｅａｒｃｈｈａｓｒｅｌａｔｉｖｅｓｔｅａｄｙ丘ｅｑｕｅｎｃｙｐｒｏｐｅｒｔｙ．Ｉｔｗｉｌｌｂｒｉｎｇｑｕｉｔｅｅｒｒｏｒｓｉｆｔｈｅｓｉｇｎａｌｉｓｕｎｓｔｅａｄｙ．Ｔｈｅｒｅｆｏｒｅｅｘｐｅｃｔａｂｒａｎｄ—ｎｅｗｍｅａｎｓｆｏｒｅｆｆｅｃｔｉｖｅｌｙａｎａｌｙｚｅｓｔｈｅｐｒａｃｔｉｃａｌｓｉｇｎａｌｓｏｆｏｐｔｉｃａｌｓｙｓｔｅｍ（ｎａｍｅｌｙｕｎｓｔｅａｄｙｓｉｇｎａｌｓ）．Ｔｈｅａｒｔｉｃｌｅｉｎｃｌｕｄｅｈｅｒｅｉｎａｆｔｅｒｓｅｖｅｒａｌａｓｐｅｃｔｓ：Ｉ．Ｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｎｄａｃｈｉｅｖｅｍｅｎｔｉｎｗａｖｅｌｅｔｆｉｅｌｄ，ｉｔｆｅｔｃｈｅｓｏａｔＷａｖｅｌｅｔＯｐｔｉｃａｌｔｈｅｏｒｙａｎｄｏｐｔｉｃａｌｗａｖｅｌｅｔａｃｔｕａｌｓ．ＩＩ．Ｔｈｅｓｐｅｃｉｅｓｏｐｔｉｃａｌｓｐｅｃｉａｌｆｉｌｔｅｒ，ｔｈｒｅｅｋｉｎｄｓｍｅｔｈｏｄｓｏｆｄｅｓｉｇｎａｎｄｆａｃｔｕｒｅ．ＩＩＩ．ＮｕｍｅｒｉｃａｌｓｉｍｕｌａｔｉｏｎｓｏｆｏｐｔｉｃａｌｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｒｅｄｅｖｅｌｏｐｅｄｂａｓｅｄｏｎＨａａｒｗａｖｅｌｅｔａｎａｌｙｓｉｓ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｐｒｏｇｒａｍｉｎｖｏｌｖｅｓｉｎｐｕｔｏｆｏｒｉｇｉｎａｌａｎｄｓｐａｃｅ－ｍａｔｃｈｅｄｉｍａｇｅｓ，ｃｏｎｓｔｒｕｃｔｉｏｎｏｆＨａａｒｗａｖｅｌｅｔ，ｓｐｅｃｔｒｕｍｔｒａｎｓｆｏｒｍＣａｎｓｉｍｕｌａｔｅｔｈｅｐｒｏｃｅｄｕｒｅｏｆｔｈｅｅｄｇｅｅｎｈａｎｃｅｍｅｎｔｏｆｔｈｅｉｍａｇｅｂｙｆｉｌｔｅｒｉｎｇ．ＩｔＨａａｒｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ．ＴｈｅｒｅｓｕｌｔｓａｒｅａｎａｌｙｚｅｄｔｈａｔｔｈｅｄｉｆｆｅｒｅｎｔｓｃａｌｅｓｏｆｔｒａｎｓｆｏｒｍｓｂｙｃｈａｎｇｉｎｇｔｈｅｗｉｄｔｈｓｏｆＨａａｒｗａｖｅｌｅｔｓ．ｏｐｔｉｃａｌｗａｖｅｌｅｔＦｕｒｔｈｅｒｍｏｒｅ，ｔｈｅｄｏｕｂｌｅｆｉｌｔｅｒｉｎｇｍｅｔｈｏｄｉｓｐｒｏｐｏｓｅｄ，ｉｔｍａｋｅｓｔｈｅｒｅｓｕｌｔｍｏｒｅｉｎｔｅｎｓｉｆｉｅｄ．Ｋｅｙｗｏｒｄｓ：ｗａｖｅｌｅｔ，ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ，Ｆｏｕｒｉｅｒｏｐｔｉｃｓ，ｏｐｔｉｃａｌｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ，ｏｐｔｉｃａｌｓｐｅｃｉａｌｆｉｌｔｅｒ，Ｈａａｒｗａｖｅｌｅｔ，ｎｕｍｅｒｉｃａｌｓｉｍｕｌａｔｉｏｎ上海大学Ｙ４６７８０４２本论文经答辩委员会全体成员审查，确认符合上海大学硕士学位论文质量要求。
