尽管小波变换在数据压缩和去噪声等领域取得良好的效果，可分离的二维小波变换（不是直接构造出），采用先对行做一次一维小波变换，再对列做一次一维小波变换扩展而来。或者直接用二个可分离的一维函数基直接构造的二维变换，从数学角度都不是真正的二维函数。基函数的支撑区域由区间扩展为正方形，基函数形状的方向性较差,该问题制约着小波变换的进一步应用。同时，由于采用亚抽样技术，在目标提取时会造成信息模糊，对信息利用会产生较大的影响。众所周知，如果某个基函数能与被逼近的函数较好地匹配，则其相应的投影系数较大，变换的能量集中度较高。可见对于平滑区域，小波变换的表示效率较高，而对于图像中方向性较强的边缘以及纹理，由于两者匹配较差，导致其表示效率欠佳。在高维情况下,小波分析并不能充分