离散点云数据的小波变换处理方法技术

本发明专利技术涉及一种多维小波变换处理方法。所述多维小波变换处理方法通过将多维数据采用自变量与函数的方式，将小波变换从时域发展到空间向量，将多维数据转变为自变量与函数的关系，通过对数据进行采样，小波分解，将数据分解到了不同的子频带。数据经过小波分解后，分解后的系数覆盖了原有的点数据，数据存储量并未减少，但分解后不同尺度下的特征分布在不同的不同频率子带上，便于进一步处理。

【技术实现步骤摘要】

本专利技术涉及一种小波变换处理方法，特别涉及一种多维数据的小波变换处理方法。
技术介绍
小波是持续时间很短的衰减振荡，它在时间域是局部的，在几十年前就被数学家所研究。而小波变换则是相对较新的概念，20世纪80年代前后才提出小波变换的概念，也由信号领域引入到图像图形领域中。小波变换在时间域和频率域具有良好的局部化特性，能以不同的分辨率逼近函数。信号在低分辨率下的小波变换受噪声影响较小，可以描述信号更多的局部信息；高分辨率下的小波变换能反映出较大结构的轮廓。离散点云数据也可以看成是连续的信号，应用小波变换对离散点云数据的预处理是可行的。随着激光扫描数据技术的发展，包含物体更多信息的离散点云数据的获取成为可能。基于离散点云数据重构，在科学可视化研究、逆向工程、计算机视觉、医学图像重建等都有着重要的作用，而数据处理将直接影响后续数据的重构的质量和效率。将小波变换应用于离散点云的数据处理也正处于研究当中。国外对离散点云的小波变换的研究热点主要是为了解决小波变换对非等间距采样点的处理；而国内对目前的研究热点主要集中在对医学图像的三维重构上，对离散点云数据的小波变换处理上，还没有一套比较成熟的处理方法。
技术实现思路
本专利技术的目的是提供一种离散点云数据的小波变换处理方法，实现对离散点云的小波分解，将不同的特征按照尺度信息识别出来。本法明的一种多维小波变换处理方法，包含以下步骤：步骤A、选定相应的小波基、对应的滤波器和各个尺度需要进行到的尺度阈值；步骤B、共有n维原始数据，以其中的任意n-1维原始数据作为自变量，对n维原始数据中的任意n—1维原始数据分别进行采样，并将采样值作为初始的尺度系数，根据所述原始数据个数确定相应的初始分解级数；步骤C、按照设定顺序对所述采样值进行排序；步骤D、应用上一级小波分解出的系数与小波的相关值，若是第一次进行小波分解，则应-->用初始的系数，逐次对n—1维方向的系数进行数据滤波和下采样，即逐次在n—1维方向上，求所述上一级小波分解出的系数与小波的相关值，即逐次对所述上一级小波分解出的系数进行小波分解；步骤E、判断小波分解出的系数是否达到各个尺度阈值，若全部达到，则进行下一步骤，若全未达到，则重复步骤D，若有部分未达到，则对未达到的部分重复步骤D，达到的部分储存数据或分解成能够分解的不同尺度；步骤F、将小波分解出的、但尚未分解成不同的尺度的数据按要求分解成不同的尺度。本专利技术方法还包括以下特征：对所述n—1维原始数据进行的采样，为等间距采样。对所述采样值进行的排序，可为先对第1维原始数据的采样值进行排序，再对第2维原始数据的采样值进行排序，以此类推，最后对第n—1维原始数据的采样值进行排序。所述步骤C具体可为：步骤C【1】、对上一级小波分解出的系数与小波的相关值在第1维方向上应用小波分解，求出其小波系数和尺度系数；步骤C【2】、根据第1维方向上小波分解出的系数与小波的相关值求解出的小波系数和尺度系数，在第2维方向上应用小波分解，求出分解后的4个尺度和小波的联合系数；步骤C【3】、根据第2维方向上求解出的4个尺度和小波的联合系数，对第3维原始数据的采样值应用小波分解，求出分解后的16个尺度和小波的联合系数；以此类推，步骤C【n—1】为：根据第n—2维方向上求解出的4n-2个尺度和小波的联合系数，对第n—1维原始数据的采样值应用小波分解，求出分解后的4n-1个尺度和小波的联合系数。所述尺度阈值可以选择相等的值。所述多维小波变换处理方法若为为2维，具体步骤可描述为：(1)选定相应的小波基、对应的滤波器和各个尺度需要进行到的尺度阈值；(2)对离散点云原始数据按照等间距进行采样，将采样值作为初始的尺度系数，并根据离散点的个数确定相应的初始分解级数；(3)按照一定顺序对所述采样值进行排序(此处按照x坐标排序，对y坐标进行小波变换)；(4)对上一级小波分解出的尺度系数(若是第一次进行小波分解，则是对初始的尺度系数)进行数据滤波和下采样，即为求所述上一级小波分解出的尺度系数(此处为y坐标数据值分解出的尺度系数)与小波的相关值，也就是对所述上一级小波分解出的尺度系数进行小-->波分解；(5)判断小波分解出的尺度系数是否达到各个尺度阈值，若全部达到，则进行下一步骤，若全未达到，则重复(4)，若有部分未达到，则对未达到的部分重复步骤(4)，达到的部分保留数据；(6)、将小波分解出的数据按要求分解成不同的尺度。所述多维小波变换处理方法若为3维，具体步骤可描述为：(1)选定相应的小波基、对应的滤波器和需要进行到的尺度阈值；(2)对离散点云数据按照两个坐标轴分别等间距进行采样，将两个坐标轴的采样值分别作为两个坐标轴的初始的尺度系数，根据离散点的个数确定相应的初始分解级数；(3)按照一定顺序对采样点进行排序(先按x坐标的采样值排序，再按照y坐标的采样值排序)；(4)在水平方向(即x轴方向)上，对上一级y轴方向小波分解出的系数(若是第一次进行小波分解，则是对初始的系数)进行数据滤波和下采样，即为求所述上一级y轴方向小波分解出的系数(此处为y坐标数据值分解出的系数)在水平方向上与小波的相关值，也就是对所述上一级y轴方向小波分解出的系数在水平方向上进行小波分解，求出水平方向的小波系数和尺度系数；(5)对步骤(4)x轴方向小波分解出的系数，在垂直方向(即y轴方向)进行数据滤波和下采样，即为求步骤(4)x轴方向小波分解出的系数(此处为x坐标数据值分解出的系数)在垂直方向上与小波的相关值，也就是对步骤(4)x轴方向小波分解出的尺度系数进行小波分解，得到分解后的4个尺度和小波的联合系数；(6)判断小波分解出的系数是否达到尺度阈值，若达到，则进行下一步骤，若未达到，则跳转至步骤(4)；(7)、将小波分解出的数据按要求分解成不同的尺度。本专利技术的有益效果在于：离散点云数据经过小波分解后，分解后的系数覆盖了原有的点数据，数据存储量并未减少，但分解后不同尺度下的特征分布在不同的不同频率子带上，便于进一步处理。附图说明图1为二维离散点云数据的分解和重构示意图。图2为本专利技术等尺度阈值的二维离散点数据分解流程图。-->图3为本专利技术N次二维小波变换的特征尺度分解示意图。图4为本专利技术等尺度阈值的三维离散点数据分解流程图。图5为本专利技术一较佳实施例的二维离散点数据分布图。图6本专利技术一较佳实施例的二维离散点数据第一次小波分解结果示意图。图7本专利技术一较佳实施例的二维离散点数据第二次小波分解结果示意图。图8本专利技术一较佳实施例的二维离散点数据第三次小波分解结果示意图。具体实施方式设总共有n维原始数据，则将其中n—1维原始数据视为自变量，为说明简单明了起见，以下以原始数据为二维和原始数据为三维的多维离散点云数据为实施例，加以说明。实施例一二维的离散点云数据可以表示成yi＝f(xi)形式，以xi为自变量，显然离散点云数据满足式1条件(平方可积的函数)，即离散点云数据也是能量有限的信号，可以将小波变换理论应用于离散点云数据。∫ab|f(x)|2dx<∞---(1)]]>平方可积的函数空间称为L2(R)空间，已公知L2(R)空间可以被分解为无限个正交直和的形式：L2(R)=V0⊕W0⊕本文档来自技高网...

【技术保护点】
一种多维小波变换处理方法，其特征在于，包含以下步骤：　步骤Ａ、选定相应的小波基、对应的滤波器和各个尺度需要进行到的尺度阈值；　步骤Ｂ、共有ｎ维原始数据，以其中的任意ｎ－１维原始数据作为自变量，对ｎ维原始数据中的任意ｎ－１维原始数据分别进行采样，并将采样值作为初始的尺度系数，根据所述原始数据个数确定相应的初始分解级数；　步骤Ｃ、按照设定顺序对所述采样值进行排序；　步骤Ｄ、应用上一级小波分解出的系数与小波的相关值，若是第一次进行小波分解，则应用初始的系数，逐次对ｎ－１维方向的系数进行数据滤波和下采样，即逐次在ｎ－１维方向上，求所述上一级小波分解出的系数与小波的相关值，即逐次对所述上一级小波分解出的系数进行小波分解；　步骤Ｅ、判断小波分解出的系数是否达到各个尺度阈值，若全部达到，则进行下一步骤，若全未达到，则重复步骤Ｄ，若有部分未达到，则对未达到的部分重复步骤Ｄ，达到的部分储存数据或分解成能够分解的不同尺度；　步骤Ｆ、将小波分解出的、但尚未分解成不同的尺度的数据按要求分解成不同的尺度。

【技术特征摘要】
1、一种多维小波变换处理方法，其特征在于，包含以下步骤：步骤A、选定相应的小波基、对应的滤波器和各个尺度需要进行到的尺度阈值；步骤B、共有n维原始数据，以其中的任意n—1维原始数据作为自变量，对n维原始数据中的任意n—1维原始数据分别进行采样，并将采样值作为初始的尺度系数，根据所述原始数据个数确定相应的初始分解级数；步骤C、按照设定顺序对所述采样值进行排序；步骤D、应用上一级小波分解出的系数与小波的相关值，若是第一次进行小波分解，则应用初始的系数，逐次对n—1维方向的系数进行数据滤波和下采样，即逐次在n—1维方向上，求所述上一级小波分解出的系数与小波的相关值，即逐次对所述上一级小波分解出的系数进行小波分解；步骤E、判断小波分解出的系数是否达到各个尺度阈值，若全部达到，则进行下一步骤，若全未达到，则重复步骤D，若有部分未达到，则对未达到的部分重复步骤D，达到的部分储存数据或分解成能够分解的不同尺度；步骤F、将小波分解出的、但尚未分解成不同的尺度的数据按要求分解成不同的尺度。2、如权利要求1所述的多维小波变换处理方法，其特征在于：对所述n—1维原始数据进行的采样，为等间距采样。3、如权利要求1所述的多维小波变换处理方法，其特征在于：对所述采样值进行的排序，先对第1维原始数据的采样值进行排序，再对第2维原始数据的采样值进行排序，以此类推，最后对第n—1维原始数据的采样值进行排序。4、如权利要求1所述的多维小波变换处理方法，其特征在于，所述步骤C具体可为：步骤C【1】、对上一级小波分解出的系数与小波的相关值在第1维方向上应用小波分解，求出其小波系数和尺度系数；步骤C【2】、根据第1维方向上小波分解出的系数与小波的相关值求解出的小波系数和尺度系数，在第2维方向上应用小波分解，求出分解后的4个尺度和小波的联合系数；步骤C【3】、根据第2维方向上求解出的4个尺度和小波的联合系数，对第3维原始数据的采样值应用小波分解，求出分解后的16个尺度和小波的联合系数；以此类推，步骤C【n—1】为：根据第n—2维方向上求解出的4n—2个尺度和小波的联合系数，对第n—1维原始数据的采样值应用小波分解，求出分解后的4n—1个尺度和小波的联合系数。5、如权利要求1所述的多维小波变换处理方法，其特征在于：所述尺度阈值可以选择相等的值。6、如权利要求1所述的多维小波变换处理方...

【专利技术属性】
技术研发人员：郝泳涛，
申请(专利权)人：同济大学，
类型：发明
国别省市：31[中国|上海]