Спектральный анализ в базисе вейвлет-функций. Непрерывное вейвлет-преобразование

Страницы работы

Фрагмент текста работы

Производится следующая последовательность операций: к изображению применяется вейвлет-преобразование для декорреляции данных, полученные коэффициенты квантуются и эти значения кодируются с целью дополнительного сжатия.

Отличие результатов при вейвлет-сжатии от результатов классических методов становятся особенно заметны при коэффициенте сжатия более чем 30:1. Вейвлет-сжатие с коэффициентом 100:1 обеспечивает качество изображения, аналогичное получаемому алгоритмом JPEG при сжатии 30:1.

3.2.3. Сжатие видеоизображений

Вейвлет-преобразование также может быть использовано при сжатии последовательностей изображений или видео. Методы сжатия видеосигнала обеспечивают высокое качество реконструкции изображения при низких скоростях передачи данных,  используя временную избыточность в последовательности изображений. Вычислительная сложность вейвлет-преобразования требует использования быстродействующих процессоров или аппаратной поддержки прямого преобразования, однако при воспроизведении объем вычислений может быть значительно уменьшен,  если обратное преобразование производить только над пикселями, отличающимися в двух соседних кадрах.

Последовательность работы кодера следующая. В кадре имеется пространственная избыточность, и эта избыточность может быть уменьшена применением некоторого вейвлет-преобразования. Затем к результирующим разностным данным применяют один из пороговых методов, чтобы исключить незначительные изменения изображения. После ограничения остается преобразованная приблизительная информация о различии. Она анализируется, чтобы определить, над какой частью изображения необходимо выполнить обратное вейвлет-преобразования для восстановления. Затем эта информация кодируется и впоследствии посылается на декодер.

3.2.4. Искусственное зрение

Разработка искусственного зрения для роботов также является областью применения вейвлет-преобразования. Чтобы построить надежный алгоритм искусственного зрения, необходимо ответить на следующие фундаментальные вопросы:

·  Как определить контуры объектов по изменениям их яркости?

·  Как обеспечить определение дистанции?

·  Как фиксировать движение?

Дэвид Марр (David Marr) из Лаборатории искусственного интеллекта Массачусетского технологического института выдвинул теорию, в которой утверждает, что изменения интенсивности происходят на разных масштабах изображения, поэтому их оптимальное обнаружение требует операторов различных масштабов. Также резкие изменения интенсивности свечения отражаются пиками или провалами в первой производной изображения. Из этих утверждений следует, что для фильтра зрения необходимы две характеристики: он должен быть дифференциальным оператором и работать в требуемом масштабе. Для решения этой проблемы был разработан новый тип вейвлетов, названный «вейвлетами Марра».

3.2.5. Другие применения

Помимо перечисленных применений, аппарат вейвлет-преобразования используется в очистке сигналов от шума, синтезе звуков (с применением систем «вейвлет-пакетов» — линейных комбинаций вейвлетов), обнаружении квазипериодических колебаний, обработке изображений, полученных методом ультразвуковой локации, в сейсмологии для предсказания землетрясений, в астрофизике. Решаются и достаточно частные задачи, например, ФБР использует

Похожие материалы

Информация о работе

Предмет:
Физика
Тип:
Конспекты лекций
Размер файла:
736 Kb
Скачали:
0