The invention provides an optimal wavelet packet basis search method for deep space communication images, which can realize fast, fine and non-redundant signal decomposition. The method includes: S101, after K-layer wavelet packet decomposition of deep space communication image signal, setting threshold, and according to the set threshold, determining the set 0% of K-layer wavelet packet coefficient; S102, K+1-layer wavelet packet decomposition of deep space communication image signal, updating threshold, and according to the updated threshold, determining the K+1 layer. The set-0 percentage of wavelet packet coefficients; S103, determine whether the set-0 percentage of K+1 layer wavelet packet decomposition is greater than the set-0 percentage of K layer wavelet packet decomposition; S104, if it is larger, then carry out the optimal wavelet packet base search and continue wavelet packet decomposition; otherwise, the current decomposition level of K layer wavelet packet base is the best deep space. The optimal wavelet packet basis is obtained by wavelet packet decomposition of communication images. The invention is suitable for determining the operation of the optimal wavelet packet basis.
【技术实现步骤摘要】
一种深空通信图像最优小波包基搜索方法
本专利技术涉及信号分析和处理领域,特别是指一种深空通信图像最优小波包基搜索方法。
技术介绍
传统的信号分析和处理方法,信号源诸如音频、图像等,一般都采用傅里叶分析,傅里叶分析方法可揭示信号时间函数和频谱函数之间的内在联系,但是无法反映信号的时域和频域的局部化特性,傅里叶分析是一个窗口函数固定不变的整体的变换。对此加以改进,提出了小波分析方法,小波分析可通过伸缩、平移等运算对信号进行多尺度分析,能有效地从信号中提取信息,解决了很多傅里叶变换不能解决的问题。但是小波分析只实现了对图像信号的低频部分再分解,而对高频部分不再进行分解,这对以低频信息为主要成分的图像可进行很好的分析,但对包含大量细节信息的图像不能进行很好的时频局部化分析。因此,小波包分析应运而生,小波包分析不仅对信号的低频(轮廓)部分进行分解,而且对信号的高频(细节)部分也进行分解,这种分解方式比小波分解更为精细且无冗余,尤其深空通信图像纹理细节丰富,为了更好地对深空通信图像进行分析和处理,主要是实现对深空通信图像的压缩,最优小波包基可将深空通信图像更好地进行稀疏表示,便于进行深空通信图像压缩。为了更好地分解深空通信图像信号,对图像进行稀疏表示,需要寻找一种最优的分解结构,即寻找最优小波包基,目前最常用的最优小波包基搜索方法,一个是VolkanKumbasar等所提出的暴力算法(BruteForceAlgorithm,BFA),另一个是1992年Wickerhauser与Coifman提出的基于熵值的最优基选择(BestBasisSelection,BBS)算法 ...
【技术保护点】
1.一种深空通信图像最优小波包基搜索方法,其特征在于,包括:S101,对深空通信图像信号进行K层小波包分解后,设定阈值,并根据设定的阈值,确定K层的小波包系数的置0百分比;S102,对深空通信图像信号进行K+1层小波包分解,更新阈值,并根据更新后的阈值,确定K+1层的小波包系数的置0百分比;S103,判断K+1层小波包分解的置0百分比是否大于K层小波包分解的置0百分比;S104,若大于,则进行最优小波包基搜索,并令K=K+1,返回S101继续进行小波包分解;否则,则当前分解层次K层所得到的最优小波包基则是深空通信图像小波包分解得到的最优小波包基。
【技术特征摘要】
1.一种深空通信图像最优小波包基搜索方法,其特征在于,包括:S101,对深空通信图像信号进行K层小波包分解后,设定阈值,并根据设定的阈值,确定K层的小波包系数的置0百分比;S102,对深空通信图像信号进行K+1层小波包分解,更新阈值,并根据更新后的阈值,确定K+1层的小波包系数的置0百分比;S103,判断K+1层小波包分解的置0百分比是否大于K层小波包分解的置0百分比;S104,若大于,则进行最优小波包基搜索,并令K=K+1,返回S101继续进行小波包分解;否则,则当前分解层次K层所得到的最优小波包基则是深空通信图像小波包分解得到的最优小波包基。2.根据权利要求1所述的深空通信图像最优小波包基搜索方法,其特征在于,阈值为期望矩阵中除低频系数外,其他期望值的平均值。3.根据权利要求2所述的深空通信图像最优小波包基搜索方法,其特征在于,对深空通信图像信号进行K层小波包分解后,通过公式计算每个小波包系数块的期望值,利用得到的期望值组成期望矩阵,其中,xi表示第i个深空通信图像信号。4.根据权利要求1所述的深空通信图像最优小波包基搜索方法,其特征在于,所述根据设定的阈值,确定K层的小波包系数的置0百分比,其中,K为小波包分解层数包括:将K层小波包分解后小波包系数中小于阈值的系数全部置为0,将大于或等于阈值的系数保留;将置0的系数的个...
【专利技术属性】
技术研发人员:杨兵强,
申请(专利权)人:雷恩友力数据科技南京有限公司,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。