小波数据压缩

给定小波基的压缩特征主要与信号小波域表示的相对稀疏度有关。压缩背后的概念是基于以下概念:常规信号分量可以使用以下元素精确逼近:少量的近似系数(在适当选择的水平上)和一些细节系数。

像去噪，压缩过程包含三个步骤：

分解
选择一个小波，选择一个级别ñ。计算信号的小波分解小号在水平ñ。
阈值细节系数
对于从1到每一级ñ中，阈值被选择并且硬阈值被施加到细节系数。
重建
计算使用电平的原始近似系数小波重构ñ和电平的修改细节系数从1到ñ。

该去噪过程的差异在步骤被发现2。有两种方法压缩可用。第一类是取信号的小波展开并保持绝对值最大的系数。在这种情况下，你可以设置一个全球性的门槛，压缩性能，或相对方常态恢复性能。

因此，只有一个参数需要选择。第二种方法是由施加在视觉上确定的电平相关的阈值。

让我们来看看使用全局阈值，对于给定的和未优化小波的选择，以产生一个信号，一个几乎完整的方形规范回收压缩的两个现实生活中的例子（见信号压缩）和图像（参见图像压缩）。

％负载的电信号，并选择一个部分。加载leleccum;INDX = 2600：3100;X = leleccum（INDX）;％下进行信号的小波分解。N = 3;W = 'DB3';并[c，1] = wavedec（X，N，W）;％压缩使用固定的阈值。THR = 35; keepapp = 1; [xd,cxd,lxd,perf0,perfl2] = ... wdencmp('gbl',c,l,w,n,thr,'h',keepapp);

信号压缩

其结果是比较满意的，不仅是因为规范回收标准，也对视视觉感知点。重建只使用15％的系数。

％负载原始图像。加载的女人;X = X（100：200100：200）;NBC =尺寸（地图，1）;x的小波％分解。N = 5;W = 'SYM2';并[c，1] = wavedec2（X，N，W）;％小波系数阈值。THR = 20; keepapp = 1; [xd,cxd,lxd,perf0,perfl2] = ... wdencmp('gbl',c,l,w,n,thr,'h',keepapp);

图像压缩