【正文】 這一個(gè)方法的另一個(gè) 優(yōu)點(diǎn) 是新的系統(tǒng)對(duì)最初的點(diǎn)陣式算術(shù)相等。 雙正交的小波變換被應(yīng)用于在小波領(lǐng)域中被分解的低頻的和高頻的部分和原始系統(tǒng)轉(zhuǎn)變?yōu)樾碌牡韧到y(tǒng)之內(nèi)。 小波變換進(jìn)行二 重 的程序分解 (分析 )和重建 (綜合 )。 小波變換是在多 頻率 觀念中表現(xiàn)一個(gè)最復(fù)雜的系統(tǒng)的方法。 因此， 整體 的低 頻率 的表面數(shù)據(jù)非常慢慢地繁殖 ,它才是 稀疏問題的低集中率的主要理由。系統(tǒng)的集中速度是 以 系統(tǒng)點(diǎn)陣式 A 為特點(diǎn)。 然而，在數(shù)據(jù)上，大的 相位 斷絕 問題 需要許多重復(fù)聚合。解決 線性 系統(tǒng) 的傳統(tǒng)的反復(fù)方法 是高斯 西頓 的 釋放 ,根據(jù) 公式 (6)簡(jiǎn)單重復(fù) 計(jì)算 ，直到它聚合。 但是 A 是一個(gè)非常大的點(diǎn)陣式 , 直接的倒轉(zhuǎn)操作實(shí)際不可能。 因?yàn)?傾斜數(shù)組是和最后結(jié)果的展開方法的提取相關(guān) ,因此， 它一定被 恰當(dāng) 地定義。 2 傾斜最小 方波相位的展開 : 歷史回顧 最 小方波相位的展開方法是通過減小 包裝的不連續(xù)部分 派生 物 的相位數(shù)據(jù)和 那些展開 的解決功能之間的 2L 基準(zhǔn)。 在我們 所說 的方法中，不連續(xù)的小波變換被適用于表現(xiàn) 獨(dú)立 的多分辨率空間的最初的系統(tǒng)的最 小方波相位展開問題 的線系統(tǒng)。 為一個(gè)稀疏的一次方程快速集中的方法是盡量將最初的相等系統(tǒng)轉(zhuǎn)變?yōu)橐粋€(gè)新的系統(tǒng)之內(nèi)。 最 小的方波 法是定義明確的和對(duì) Poisson 的部分微分方程式的算術(shù) 地解決 , 能被表示成一個(gè)稀疏的一次方程序的同等物。為了要隔離狀態(tài)不一致 , 應(yīng)該 用一個(gè) 傾斜 的 最小方波 方法 , 它通過 使用權(quán)衡排列 能削弱 污染 的影響 。 不過另外也 有一些其他的方法， 比如格林方法 ,貝斯定理的規(guī)則化方法 ,圖像 以處理為基礎(chǔ)的方法、和以型號(hào)為基礎(chǔ)的方法。 在如此的情況，基本的假定被違犯， 同時(shí) 由于污染所引起的 相位 不一致 ， 簡(jiǎn)單的整合 過程也 不能夠被運(yùn)用 。這 就 是 相位展開 的 問題 , 特別是 二維情況 。該 技術(shù) 是以 不連續(xù)的 小波變換 的 線系統(tǒng)的多 途徑 為基礎(chǔ) ，通過 小波變換，原始 系統(tǒng)被 分解成模糊和精確兩部分 。 中文 3300 字 附錄 A：英文原文 Least squares phase unwrapping in wavelet domain Abstract: Least squares phase unwrapping is one of the robust techniques used to solve twodimensional phase unwrapping problems. However, owing to its sparse structure, the convergence rate is very slow, and some practical methods have been applied to improve this condition. In this paper, a new method for solving the least squares twodimensional phase unwrapping problem is presented. This technique is based on the multiresolution representation of a linear system using the discrete wavelet transform. By applying the wavelet transform, the original system is deposed into its coarse and fine resolution levels. Fast convergence in separate coarse resolution levels makes the overall system convergence very fast. 1 introduction Twodimensional phase unwrapping is an important processing step in some coherent imaging applications, such as synthetic aperture radar interferometry(InSAR) and magic resonance imaging(MRI).In these processes, threedimensional information of the measured objects can be extracted from the phase of the sensed signals ,However, the obseryed phase data are wrapped principal values, which are restricted in a 2? modulus ,and they must be unwrapped to their true absolute phase values .This is the task of the phase unwrapping, especially for twodimensional problems. The basic assumption of the general phase unwrapping methods is that the discrete derivatives of the unwrapped phase at all grid points are less than ? in absolute value .With this assumption satisfied ,the absolute phase can be reconstructed perfectly by integrating the partial derivatives of the wrapped phase data. In the general case, however, it is not possible to recover unambiguously the absolute phase from the measured wrapped phase which is usually corrupted by noise or aliasing effects such as shadow, layover, etc. In such cases, the basic assumption is violated and the simple integration procedure cannot be applied owing to the phase inconsistencies caused by the contaminations. After Goldsteinet al introduced the concept of ‘residues’ in the twodimensional phase unwrapping problem of InSAR, many phase unwrapping approaches to cope with this problem have been investigated. Pathfollowing (or integrationbased) methods and least squares methods are the most representative two basic classes in this field. There have also been some other approaches such as Green methods, Bayesian regularization methods ,image processingbased methods, and modelbased methods. Least squares phase unwrapping ,establish