Я не знаком с вейвлет-преобразованиями, но, кратко глядя на википедию, я полагаю, что они основаны на «дискретном косинусном преобразовании», которое, по-видимому, отличается от собственных значений / собственных векторов.
Собственные значения / собственные векторы применяются только к квадратные матрицы / изображения. Для большинства приложений используется разложение по сингулярным числам (SVD), поскольку оно может применяться к прямоугольным angular матрицам / изображениям. SVD и собственные вещи очень похожи.
Вы можете использовать SVD для сжатия изображений, но это не лучший метод - я думаю, что дискретное косинусное преобразование является де-факто техникой сжатия в производстве.
Краткий ответ: собственные вещи и не имеют отношения к вейвлет-преобразованию, но конечный результат аналогичен, поэтому я понимаю, почему вы думаете, что они связаны.
Примечание: вот некоторые рисунки, которые имеют был сжат с разложением по сингулярному значению. Вы можете прочитать больше здесь: https://medium.com/@bstrain71 / интуитивно-размерное-уменьшение-с-картинками-d12d49d72bad
