尺度函数与小波函数

尺度函数与小波函数

尺度函数

设存在函数
φ j , k ( x ) = 2 j / 2 φ ( 2 j x − k ) \varphi_{j,k}(x)=2^{j/2}\varphi(2^{j}x-k) φj,k(x)=2j/2φ(2jxk)
对所有的 j j j, k ∈ Z k{\in}\mathbb{Z} kZ φ ( x ) ∈ L 2 ( R ) \varphi(x){\in}L^2(R) φ(x)L2(R)都成立。其中 k k k 决定了 φ j , k ( x ) \varphi_{j,k}(x) φj,k(x) 沿 x x x轴的位置, j j j 决定了 φ j , k ( x ) \varphi_{j,k}(x) φj,k(x) 的宽度,即它沿 x x x 轴宽或窄。项 2 j 2 ^{\frac{j}{{2}}} 2j控制函数的幅度。由于 φ j , k ( x ) \varphi_{j,k}(x) φj,k(x) 的形状随 j j j 发生变化,所以 φ ( x ) \varphi(x) φ(x)称为尺度函数。

设存在一个特定的值 j 0 j_0 j0,则可以得到集合 { φ j 0 , k ( x ) } \{\varphi_{j_0,k}(x)\} {φj0,k(x)}是集合 { φ j , k ( x ) } \{\varphi_{j,k}(x)\} {φj,k(x)}的一个子集。其中可以把由 φ j 0 , k ( x ) \varphi_{j_0,k}(x) φj0,k(x)张成的向量空间定义为 V j 0 V_{j_0} Vj0,即
V j 0 = S p a n { φ j 0 , k ( x ) } ‾ V_{j0}=\overline{{\mathop{\mathrm{Span}}\left\{\varphi_{j_0,k}(x)\right\}}} Vj0=Span{φj0,k(x)}
f ( x ) f(x) f(x) φ j 0 , k ( x ) \varphi_{j_0,k}(x) φj0,k(x)张成的空间中,则可以表示为
f ( x ) = ∑ k α k φ j 0 , k ( x ) f(x)=\sum_{k}\alpha_{k}\varphi_{j_0,k}(x) f(x)=kαkφj0,k(x)
更一般地,对于任何 j j j,我们将 k k k上跨越的子空间表示为

V j = S p a n { φ j , k ( x ) } ‾ V_{j}=\overline{{\mathrm{Span}\{\varphi_{j,k}(x)\}}} Vj=Span{φj,k(x)}
由于 j j j决定了 φ j , k ( x ) \varphi_{j,k}(x) φj,k(x)的宽或窄,即可以在x轴上表达更精细的特征,所以存在高分辨率的图像可以表示低分辨率的图像,即存在
V − ∞ ⊂ ⋯ ⊂ V − 1 ⊂ V 0 ⊂ V 1 ⊂ V 2 ⊂ ⋯ ⊂ V ∞ V_{-\infty}\subset\cdots\subset V_{-1}\subset V_{0}\subset V_{1}\subset V_{2}\subset\cdots\subset V_{\infty} VV1V0V1V2V
image-20231207160403792

其中 V − ∞ = { 0 } , V ∞ = { L 2 ( R ) } V_{-\infty}=\left\{0\right\},V_{\infty}=\left\{L^{2}(R)\right\} V={0},V={L2(R)}

因为 φ j , k ( x ) = 2 j / 2 φ ( 2 j x − k ) \varphi_{j,k}(x)=2^{j/2}\varphi(2^{j}x-k) φj,k(x)=2j/2φ(2jxk),所以可得 φ j + 1 , k ( x ) = 2 ( j + 1 ) / 2 φ ( 2 j + 1 x − k ) \varphi_{j+1,k}(x)=2^{(j+1)/2}\varphi(2^{j+1}x-k) φj+1,k(x)=2(j+1)/2φ(2j+1xk)

因为低分辨率的图像可以由高分辨率的图像所表示,所以存在
φ j , k ( x ) = ∑ n h φ ( n ) 2 ( j + 1 ) / 2 φ ( 2 j + 1 x − n ) \varphi_{j,k}(x)=\sum_{n}h_{\varphi}(n)2^{(j+1)/2}\varphi(2^{j+1}x-n) φj,k(x)=nhφ(n)2(j+1)/2φ(2j+1xn)
j , k = 0 j,k=0 j,k=0,则可以写成
φ ( x ) = ∑ n h φ ( n ) 2 φ ( 2 x − n ) \varphi(x)=\sum_{n}h_{\varphi}(n)\sqrt{2}\varphi(2x-n) φ(x)=nhφ(n)2 φ(2xn)
该递归等式中的系数 h φ ( n ) h_{\varphi}(n) hφ(n)称为尺度函数系数; h φ h_{\varphi} hφ 为尺度向量。

其中简单尺度函数应符合多分辨率分析的四个条件

  1. **MRA要求1:**其中对于不同整数平移的简单尺度函数应是正交的
  2. **MRA要求2:**低尺度函数跨越的子空间应嵌入到高尺度跨越的子空间内
  3. **MRA要求3:**唯一对于所有 V j V_j Vj的通用的函数是 f ( x ) = 0 f(x)=0 f(x)=0
  4. **MRA要求4:**任何函数都可以任意精度表示

小波函数

定义小波函数 ψ ( x ) \psi\left(x\right) ψ(x) V j + 1 V_{j+1} Vj+1 V j V_j Vj之差,其中
ψ j , k ( x ) = 2 j / 2 ψ ( 2 j x − k ) \psi_{j,k}(x)=2^{j/2}\psi(2^{j}x-k) ψj,k(x)=2j/2ψ(2jxk)
其中尺度函数与小波函数的关系如下图所示

image-20231208214540319

其中 W j = S p a n { ψ j , k ( x ) } ‾ W_{j}=\overline{{\mathrm{Span}\{\psi_{j,k}(x)\}}} Wj=Span{ψj,k(x)},所以存在 V j + 1 = V j ⊕ W j V_{j+1}=V_{j}\oplus W_{j} Vj+1=VjWj

其中, ⊕ \oplus 表示空间的并集(类似于集合的并集)。 V j + 1 V_{j+1} Vj+1 V j V_j Vj的正交补集是 W j W_j Wj, 且 V j V_j Vj中的所有成员对于 W j W_j Wj中的所有成员都正交。因此,

⟨ φ j , k ( x ) , ψ j , l ( x ) ⟩ = 0 \left\langle\varphi_{j,k}(x),\psi_{j,l}(x)\right\rangle=0 φj,k(x),ψj,l(x)=0

对所有适当的 j , k , l ∈ Z j,k,l\in\mathbb{Z} j,k,lZ都成立。

索引可以将所有可度量的、平方可积的函数空间表示为

L 2 ( R ) = V 0 ⊕ W 0 ⊕ W 1 ⊕ ⋯ L^{2}(R)=V_{0}\oplus W_{0}\oplus W_{1}\oplus\cdots L2(R)=V0W0W1

L 2 ( R ) = V 1 ⊕ W 1 ⊕ W 2 ⊕ ⋯ L^{2}(\boldsymbol{R})=V_{1}\oplus W_{1}\oplus W_{2}\oplus\cdots L2(R)=V1W1W2

L 2 ( R ) = ⋯ ⊕ W − 2 ⊕ W − 1 ⊕ W 0 ⊕ W 1 ⊕ W 2 ⊕ ⋯ L^{2}(\boldsymbol{R})=\cdots\oplus W_{-2}\oplus W_{-1}\oplus W_{0}\oplus W_{1}\oplus W_{2}\oplus\cdots L2(R)=W2W1W0W1W2

上述表达排除了尺度函数,仅采用小波进行表示

于是存在
L 2 ( R ) = V j 0 ⊕ W j 0 ⊕ W j 0 + 1 ⊕ ⋯ L^{2}(\boldsymbol{R})=V_{j_{0}}\oplus W_{j_{0}}\oplus W_{j_{0}+1}\oplus\cdots L2(R)=Vj0Wj0Wj0+1

其中 j 0 j_{0} j0是任意开始尺度。

因为小波空间位于相邻的较高分辨率的尺度空间中,即 W i ⊂ V i + 1 W_i\sub V_{i+1} WiVi+1,所以任何小波函数可以使用尺度函数表示,即
ψ ( x ) = ∑ n h ψ ( n ) 2 φ ( 2 x − n ) \psi(x)=\sum_{n}h_{\psi}(n)\sqrt{2}\varphi(2x-n) ψ(x)=nhψ(n)2 φ(2xn)

其中 h ψ ( n ) h_{\psi}(n) hψ(n)被称为小波函数系数

因为整数小波彼此正交,且与他们的互补尺度函数正交,所以存在
h ψ ( k ) = ( − 1 ) k h φ ( 1 − k ) h_{\psi}(k)=\left(-1\right)^{k}h_{\varphi}(1-k) hψ(k)=(1)khφ(1k)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/228402.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

为什么Apache Doris适合做大数据的复杂计算,MySQL不适合?

为什么Apache Doris适合做大数据的复杂计算,MySQL不适合? 一、背景说明二、DB架构差异三、数据结构差异四、存储结构差异五、总结 一、背景说明 经常有小伙伴发出这类直击灵魂的疑问: Q:“为什么Apache Doris适合做大数据的复杂计…

大数据与深度挖掘:如何在数字营销中与研究互动

数字营销最吸引人的部分之一是对数据的内在关注。 如果一种策略往往有积极的数据,那么它就更容易采用。同样,如果一种策略尚未得到证实,则很难获得支持进行测试。 数字营销人员建立数据信心的主要方式是通过研究。这些研究通常分为两类&…

【教3妹学编程-算法题】找出峰值

3妹:2哥2哥,你有没有看到新闻:北京地铁事故中102人骨折! 2哥 : 看到了,没想到坐个地铁还出事故了。 3妹:事故原因为雪天轨滑导致前车信号降级,紧急制动停车,后车因所在区段位于下坡地…

二维数组——特征匹配(c++)

右上左下遍历 给定一个n行m列的整数数组a&#xff0c;要求从a[0][0] 元素开始&#xff0c;按从右上到左下的对角线顺序遍历整个数组。 输出 按遍历顺序输出每个整数。每个整数占一行。 样例输入 3 3 1 2 4 3 5 7 6 8 9 样例输出 1 2 4 3 5 7 6 8 9 #include <iostream&g…

【️Java是值传递还是引用传递?】

✅Java是值传递还是引用传递&#xff1f; ✅Java是值传递还是引用传递&#xff1f;✅典型理解 ✅增加知识仓✅Java的求值策略✅Java中的对象传递✅值传递和共享对象传递的现象冲突吗? ✅总结 ✅Java是值传递还是引用传递&#xff1f; ✅典型理解 编程语言中需要进行方法间的…

一句话分清C/C++声明和定义

定义告诉编译器在在哪个位置存储变量&#xff0c;声明没有 声明&#xff1a;告诉编译器&#xff0c;变量类型和名字 定义&#xff1a;告诉编译器变量存储的位置。 举例子 int i; // 这是声明定义。声明&#xff1a;告诉编译器变量类型int,变量名字i&#xff0c; // 定义&…

kafka学习笔记--Kafka副本

本文内容来自尚硅谷B站公开教学视频&#xff0c;仅做个人总结、学习、复习使用&#xff0c;任何对此文章的引用&#xff0c;应当说明源出处为尚硅谷&#xff0c;不得用于商业用途。 如有侵权、联系速删 视频教程链接&#xff1a;【尚硅谷】Kafka3.x教程&#xff08;从入门到调优…

比特币即自由

号外&#xff1a;教链内参12.15《疯狂的铭文》 文 | Ross Ulbricht. 原文标题&#xff1a;Bitcoin Equals Freedom. 2019.9.25 在中本聪发明比特币后的头一年左右&#xff0c;发生了一些特别的事情&#xff0c;不仅没有人预料到&#xff0c;甚至很多人认为不可能。试着想象一下…

昇腾Profiling性能分析工具使用问题案例

昇腾Profiling性能分析工具用于采集和分析运行在昇腾硬件上的AI任务各个运行阶段的关键性能指标, 用户可根据输出的性能数据&#xff0c;快速定位软、硬件性能瓶颈&#xff0c;提升AI任务性能分析的效率。具体使用方法请参考&#xff1a; 本期分享几个关于Profiling性能分析工具…

C语言 打印 以这个RFC1123格式(“EEE, dd MMM yyyy HH:mm:ss z“) 格林威治时间

在C语言中&#xff0c;要按照RFC 1123格式打印格林威治时间&#xff08;包括完整的星期名称、日期、月份、年份、小时、分钟和秒&#xff09;&#xff0c;你需要使用strftime函数&#xff0c;并且指定相应的格式化字符串。以下是一个示例代码&#xff1a;#include <stdio.h&…

【CMU 15-445】Lecture 11: Joins Algorithms 学习笔记

Joins Algorithms Nested Loop JoinNaive Nested Loop JoinBLock Nested Loop JoinIndex Nested Loop Join Sort-Merge JoinHash JoinBasic Hash JoinPartitioned Hash Join Conclusion 本节课主要介绍的是数据库系统中的一些Join算法 Nested Loop Join Naive Nested Loop Joi…

高压脉冲发生器的各种电路图

高压脉冲发生器电路图一&#xff1a; 高压脉冲发生器的主放电回路的等效电路。其中&#xff0c;S是可控开关&#xff0c;C1是电容器组电容&#xff0c;R1是高压变压器输入端的损耗电阻&#xff0c;L1&#xff0c;L2分别是高压变压器初次级电感&#xff0c;K为耦合系数&#xff…

一篇文章看懂mysql加锁

一篇文章看懂Mysql加锁 本文主要基于Mysql8,InnoDB存储引擎范围讨论mysql的加锁&#xff0c;以及锁的分类&#xff0c;定义&#xff0c;使用&#xff0c;不同语句具体加的什么锁等。 前言 mysql锁是和事务绑定的。本文介绍了了&#xff1a;全局锁、表锁、行锁、MDL锁、Auto_in…

架构设计系列之基础设施能力建设

周末聊两句&#xff1a; 今天将的基础设施能力建设部分&#xff0c;一般的架构书籍中都不存在的部分&#xff0c;这是我在实践过程中的经验和能力总结部分&#xff0c;希望和大家有一个很好的交流自从在 WeChat 中开了订阅号的两周半的时间&#xff0c;非常感谢大家的支持&…

replace()是一个字符串替换的函数,用于将指定的字符串或模式在目标字符串中进行替换

replace()是一个字符串替换的函数&#xff0c;用于将指定的字符串或模式在目标字符串中进行替换。 函数原型如下&#xff1a; QString replace(const QString &before, const QString &after)参数说明&#xff1a; before&#xff1a;要替换的字符串或模式。after&a…

K - 近邻算法

1、算法介绍 KNN&#xff08;K Near Neighbor&#xff09;&#xff1a;k个最近的邻居&#xff0c;即每个样本都可以用它最接近的k个邻居来代表。KNN算法属于监督学习方式的分类算法&#xff0c;我的理解就是计算某给点到每个点的距离作为相似度的反馈。 简单来讲&#xff0c;KN…

nginx中的root and alias命令的区别

Ubuntu关于Nginx的命令&#xff1a; 1、安装Nginx&#xff1a; apt-get install nginx2、查看Nginx运行状态&#xff1a; systemctl status nginx3、启动Nginx&#xff1a; systemctl start nginx4、停止Nginx&#xff1a; systemctl stop nginx5、重启Nginx&#xff1a; …

代码随想录算法训练营第十八天 | 前中后序构造二叉树

目录 力扣题目 力扣题目记录 513.找树左下角的值 递归 迭代法 总结 112. 路径总和 106.从中序与后序遍历序列构造二叉树 总结 力扣题目 用时&#xff1a;2h 1、513.找树左下角的值 2、112. 路径总和 3、106.从中序与后序遍历序列构造二叉树 力扣题目记录 513.找树…

持续集成交付CICD:基于 GitLabCI 与 JenkinsCD 实现后端项目发布

目录 一、实验 1. GitLabCI环境设置 2.优化GitLabCI共享库代码 3.JenkinsCD 发布后端项目 4.再次优化GitLabCI共享库代码 5.JenkinsCD 再次发布后端项目 一、实验 1. GitLabCI环境设置 &#xff08;1&#xff09;GitLab给后端项目添加CI配置路径 &#xff08;2&#xf…

算法通关村第十二关—字符串冲刺题(黄金)

字符串冲刺题 一、最长公共前缀 LeetCode14 编写一个函数来查找字符串数组中的最长公共前缀。如果不存在公共前缀&#xff0c;返回空字符串"" 示例1&#xff1a; 输入&#xff1a;strs["flower","fLow","flight"] 输出&#xff1a;&…