完整版分数傅里叶变换.docx
- 文档编号:9116958
- 上传时间:2023-05-17
- 格式:DOCX
- 页数:12
- 大小:232.34KB
完整版分数傅里叶变换.docx
《完整版分数傅里叶变换.docx》由会员分享,可在线阅读,更多相关《完整版分数傅里叶变换.docx(12页珍藏版)》请在冰点文库上搜索。
完整版分数傅里叶变换
分数傅里叶变换
分数傅里叶定义:
分数傅里叶变换的物理意义即做傅里叶变换.次,其中不一定要为整数(比傅里叶变换
更加广泛);通过分数傅里叶变换之后,图像或信号便会同时拥有时域与频域两者的特征。
1.1(维基百科)第一种定义:
第二种定义:
1.2
从数学上分数傅立叶变换定义了积分形式:
A.C.Mebride和F.HKen■在1987不给出了VNarnias的分数傅里叶变换的枳井形式[讥具体地说,对信号空间£"用)中的任何信号/(/),它的分数傅里叶变换(时"卩)可以写成积分形式
0/)2)=£/⑴*(卩;叮)由(2-5)
其积分核是
r
町)exp
斤(p;以)=*
公式中各记号的含义是
式中小整数.p•分数傅里叶变换的级次’可取任何实数.
Wigner分布函数相空间定义的分数傅立叶变换
A.W.Lohmann在1993年利用傅里叶变换相当于在Wigner分布函数相空间中角度为n12的旋转这一性质,说明分数傅里叶变换在Wigner分布函数空间中相当于角度是pn12的旋转,这里,p是分数傅里叶变换的级次。
伙I此*AAVLohmaiin®义杲次是p的分数傅里叶变换(产丁)(列为
It•中,矩阵眉/)疑时频相平面x-rl.ffi度为(pn/2)的旋转矩阵
分数傅里叶变换的定义在数学上是等价的。
当分数傅里叶变换的幕次p从0连续增长
到达1时,分数傅里叶变换的结果相应地从原始信号的纯时间(空间)形式开始逐渐变化成为它的纯频域(谱)形式,幕次p在0到1之间的任何时刻对应的分数傅里叶变换采取了介乎于时(空)域和频域之间的一个过渡域的形式,形成一个既包含时(空)域信息同时也包含频(谱)域信息的混合信号。
因此,这样定义的分数傅里叶变换确实是一种时(空)频描述和分析工具
分数傅里叶的分类:
1.一维分数傅里叶变换
分数傅里叶变换的数学表达式有积分形式和级数表达式两种等价形式,1•积分形式
2级数表达式形式
其中
2•二维分数傅里叶变换
其中C为相应常系数。
当a=b时,上式就是二维分数傅里叶变换的表
达式;当a=b=1时,上式转化为常规二维傅里叶变换;当a与b不相等时,我们称这种情况的二维分数傅里叶变换为不对称分数傅里叶变换。
此时在x、y方向实施的变换级次是不同
的。
分数傅里叶变换的性质
1周期性:
(k为整数)_
/_(“)=严+心[/(x)]=严[%)]=£(“)
2线性:
(c1和c2是复常数)
严["(鼻)+/(工)]之严|7@)]+伞严(切=岭£(町+勺叭(町
3阶数可加性:
4尺度变换特性:
M是实数’.FLM不为零和无穷*g=冲/2*af-arctantana)
//=2(//7T
5时移特性:
尸尸f[x-b}^=exp(inb~sinacosa}exp(-inub%ina)(z/-icosa:
6频移特性:
F*exp(ilrrbx}f(x)^j=expI-ilrrlrsinacosa?
)*exp|-ilTtiibcosa)/;」"一力sina)
7可逆性:
对一个函数进行P级分数傅里叶变换后,接着进行-P级的分数傅里叶变换,
则可得到原函数:
严{严”(町}}二网{/(jc)}=/w
分数傅里叶变换的数值算法
严二£%(p)w‘
(1)基于傅立叶变换矩阵因子幕的离散化算法,利来
计算离散的分数傅立叶变换的核矩阵,从而利用FFT来计算离散分数傅立叶。
其中W是离散傅立叶变换核矩阵
(2)基于正交投影的离散化算法,对连续分数傅立叶变换的特征函数进行离散化近似和正交投影,得到一组与Hermite-Gaussian函数形状相似的离散傅立叶变换矩阵的正交化离散Hermite特征向量。
然后,
仿照连续分数傅立叶变换的核函数谱分解表达式,构造了离散分数傅
立叶变换矩阵
(3)基于chirp分解的离散化算法。
根据分数傅立叶变换的表达式,将分数傅立叶变换分解为信号的卷积形式后,直接离散化,利用FFT
来计算分数傅立叶变换。
2.2.1基于傅立叶变换矩阵
1基于chirp分解的离散化算法(FRFT.m和frft22d.m)对应的分数傅里叶函数:
i
1)输入信号f(x)与啁啾信号相乘(j将两个信号分别离散化);
2)进行FT运算;
3)进行尺度变换,系数为esc©;
4)再与啁啾信号相乘;
5)最后与常数位相相乘。
2基于正交投影的离散化算法(Disfrft.m和cdpei.m)其计算过程如下:
(1)计算矩阵S的正交特征向览叽Q
(2)II'算连续Hermite^Gaussian歯数的取样向量血(左)
⑶将丸(◎进行乎移得到耳
dwN—\
(4)石仏)投影到叫⑷空间得到瓦(依)
兀仏2S〈兀⑷匕仏)”")P-40)
|>-jhmnd4"D
(5)对恳也)进行正立归一代得到叫仏)・可比采用了两种不同正交映射的方法,并根捌采用的正交化方法不同而分别命名OPA方法和GSA方法.
(6)再由暫甘)构造U
"彳讪I…|"产J叫T;VmQg](2-41)
<7)构造少
(8)最后由和U得到离散分数傅立叶变换矩阵尸户
=UD(,Ur(2-43)
离散分数傅立叶算子尸尸无论p为任恿实数,均满足特征方程(2-27).井且满足阶数可加性尸尸戸=严。
信号』(左)的离散分数傅立叶变换兀仗)通过如I:
公式计算:
(2-44)
与连绩的分数傅立叶变换相似,信号”約也可£通过我逆变换恢复:
x(k}=Kf,X^}(2-45)
基于正交投影的离散化算法对连续分数傅立叶变换的特征函数进行离散化近似和正交投影,得到一组与Hermite-Gaussian函数形状相似的离散傅立叶变换矩阵的正交化离散Hermite
特征向量。
然后,仿照连续分数傅立叶变换的核函数谱分解表达式,构造了离散分数傅立叶
变换矩阵。
此算法适合用来计算连续的分数傅里叶变换。
基于chirp分解的离散化算法,将分数傅立叶变换分解为信号的卷积形式后,直接离散化,
利用FFT来计算分数傅立叶变换。
图像的分数傅里叶变换
对图像进行分数傅里叶变换分析的目的是确定图像经过分数傅里叶变换后的特性表现,主要包含分数傅里叶变换对图像能量分布和频率分布影响两方面的内容。
其中能量分布表现
分数傅里叶变换图像的能量聚积性与分数变换阶数的关系,能量聚集性强烈地依赖于其接近
于傅里叶变换的程度;频率分布表现在分数傅里叶变换的相位函数包含了图像的纹理频率信息,变换阶数不同,相位函数所含的图像边缘高频信息也不相同。
图像经过某种二维离散变换之后的能量分布体现了图像的变换特征。
图像分数傅里叶变
换域的能量分布特点是:
能量向中心区域聚集性。
(1)当分数阶次p由小变大时,由相位函数恢复的图像呈现出图像边缘轮廓变得越来越
清晰,这类似于原始图像经历了不同截止频率的高通滤波器。
当p较小时对应于截止频率较
低的高通滤波器,低频成份浮现出来,图像边缘模糊;当p较大时,对应于截止频率较高的
高通滤波器,大部分低频成份被滤掉,图像边缘比较清晰,FRFT逐渐向FT退化。
(2)当变换阶数p由小变大时,仅由幅度函数恢复的图像越来越接近原图像的背景,这
类似于原图像经历了不同截止频率的低通滤波器。
p较小时,对应于截止频率较高的低通滤
波器,高频分量残留较多,能清晰看到原图像的轮廓;p较大时,对应于截止频率较低的低
通滤波器,大部分高频分量被滤出只显现原图像背景。
(3)当变换阶数p为其它值时,由FRFT相位函数和幅度函数所恢复的图像既包含了原图像的背景信息又包含了原图像的纹理频率信息。
由此可以推论这类似于原图像经历了
FRFT的时频滤波,也即将时频平面旋转某一角度后再进行滤波。
假如频域滤波器截止频率和带宽固定,当旋转的角度不同(阶数不同)时,时间轴和频率轴上的投影不同,所以频域滤
波器输出的频率成分也不同。
这表现在恢复的图像上即为相位函数和幅度函数包含的频率成份随阶数而变化。
当变换阶数较小时,由图像的FRFT的幅度函数和相位函数恢复的图像都显示出很强的图像信息,体现出了较强的空域特性;当变换阶数逐渐增大时,图像的FRFT的幅度函数恢复的图像所包含的原图像的空域特征逐渐减弱直至消失,相位函数恢复的图像包含原图像的
边缘纹理特征逐渐增强。
当FRFT的变换阶数增大到一定程度时,其幅度和相位特征越来越
接近FT域即频域特征。
这些结论有力地体现了FRFT域的空-频双域特征。
采用分数傅立叶变换的图像边缘提取方法
对图像作连续小级数的分数傅立叶变换,相当于对图像作连续的微小变换,当分数级次
很小时,肉眼几乎看不出与原图的区别,当级次略有增加,图像边缘与原图有了明显的区别,当继续缓慢增加分数级次时,图像与原图明显不同。
通过分析可以看出,图像中对比度低的
区域随级次变化缓慢,对比度高的区域(即图像边缘)随级数变化快。
由此,取不同级数的分数傅立叶变换后的图像减去原图像,即可得到图像的边缘。
不同的分数级数对应不同的形
变,选取不同级数变换后的图像相减,即可提取不同尺度的边缘。
图像分数阶Fourier变换的幅度和相位信息
假设F(k,h)是二维图像f(x,y)的二维Fourier变换F(k,h)=FT2Df(x,y)(8)
(9)
我们可以把Fk,h分解成幅度部分和相位部分,即
F(k,h)=F(k,hj_P(k,h)=A(k,h)・P(k,h)
其中
A(k,h)=|F(k,hj为幅度函数,P(k,h)=F(k,hj/A(k,h)为相位函数,
结论:
1.当变换阶数P由小变大时,仅由相位函数恢复的图像,显现原图像的边缘越来越清晰,
这类似于原图像经历了不同截止频率的高通滤波器。
p较小时(0.01)对应于截止频率较低的高
通滤波器,低频成份浮现出来,使提取的边缘模糊,如图4(b)所示;p较大时(0.8),对应于
截止频率较高的高通滤波器,大部分低频成份被滤出,提取的边缘较清晰,如图5(d)所示,
此时FRFT基本退化为FT。
2.同理,当变换阶数P由小变大时,仅由幅度函数恢复的图像越来越接近原图像的背景,
这类似于原图像经历了不同截止频率的低通滤波器。
p较小时(0.01),对应于截止频率较高的
低通滤波器,高频分量残留较多,还能清晰看到原图像的轮廓,如图4(a)所示;p较大时(0.8),
对应于截止频率较低的低通滤波器,大部分高频分量被滤出,此时仅显现原图像的背景,如
图6(c)所示。
3.当变换阶数P为其它任意值时,由FEFT相位函数和幅度函数所恢复的图像既包含了
原图像的背景又包含了原图像的纹理,如图4(b)、图4(c)、图5(a)、图5(b)所示。
针
对这种情况,我们可以推论这类似于原图像经历了FRFT的时频滤波,也即将时频平面旋转
某一角度后再进行滤波。
假如频域滤波器截止频率和带宽固定,当旋转的角度不同(阶数不
同)时,时间轴和频率轴上的投影不同,所以频域滤波器输出的频率成分也不同。
表现在恢
复的图像上即为相位函数和幅度函数包含的频率成份随阶数而变。
分数傅里叶变换(采用chirp信号的方法)a从0.1-1过程中,相应的分数傅里叶变换。
从图中可以发现,两个区域信息的相互转换。
相应的幅值信息(a从0.1-1)
相应的相位信息(即:
f/fl,其中f为相应分数傅里叶变化后,输出的信号)
相应的幅值信息进行逆变换
根据相位信息进行相应的逆变换,可以发现图像的边缘信息,消除了图像的背景信息。
总结
通过分数傅里叶变换和其逆变换可以找到一些图像的主体边缘信息,但是有些图像边缘的采集并不是很好,对于背景信息的剔除不是很好。
对于区域的选择不是很准确,它主要是根据灰度的变换率,而不是根据像素去识别边界。
傅里叶变换主要是进行像素变化率的识别,即高频和低频的识别和分类。
因此容易受到其他背景信息的干扰和影响。
同时对于区域信息的判断和识别,它也不能很好的去进行判断和分类。
存在的问题:
1,目前还不是很确定相应的幅值信息逆变换后,对应的是图像的什么信息(文章中说主要市背景信息),如何利用它来帮助去识别区域信息。
2,对于相应的相位信息,是否可以先对其进行相关的预处理,使其保持很好的效果,然后再进行逆变换。
对于相位信息采用什么预处理的方法。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 完整版 分数 傅里叶变换
![提示](https://static.bingdoc.com/images/bang_tan.gif)