wdencmp

Шумоподавление или сжатие

Синтаксис

[XC,CXC,LXC,PERF0,PERFL2] = wdencmp('gbl',X,wname,N,THR,SORH,KEEPAPP)
[___] = wdencmp('gbl',C,L,wname,N,THR,SORH,KEEPAPP)
[___] = wdencmp('lvl',X,wname,N,THR,SORH)
[___] = wdencmp('lvl',C,L,wname,N,THR,SORH)

Описание

пример

[XC,CXC,LXC,PERF0,PERFL2] = wdencmp('gbl',X,wname,N,THR,SORH,KEEPAPP) возвращает denoised или сжатую версию XC входных данных X, полученный содействующей пороговой обработкой вейвлета с помощью глобального положительного порога THR. X является вектором с действительным знаком или матрицей. [CXC, LXC] является N - структура разложения вейвлета уровня XC (см. wavedec или wavedec2 для получения дополнительной информации). PERFL2 и PERF0 являются очками восстановления и сжатия L2-нормы в процентах, соответственно. Если KEEPAPP = 1, коэффициенты приближения сохранены. Если KEEPAPP = 0, коэффициенты приближения могут быть порогом.

[___] = wdencmp('gbl',C,L,wname,N,THR,SORH,KEEPAPP) использует структуру разложения вейвлета [C, L] данных, чтобы быть denoised или сжатый.

[___] = wdencmp('lvl',X,wname,N,THR,SORH) использует зависимые уровнем пороги THR. Коэффициенты приближения сохранены.

[___] = wdencmp('lvl',C,L,wname,N,THR,SORH) использует структуру разложения вейвлета [C, L].

Примеры

свернуть все

Denoise 1D данные о потреблении электричества с помощью глобального порога Донохо-Джонстона.

Загрузите сигнал и выберите сегмент для шумоподавления.

load leleccum; indx = 2600:3100;
x = leleccum(indx);

Используйте ddencmp, чтобы определить глобальный порог по умолчанию и denoise сигнал. Постройте сигналы denoised и оригинал.

[thr,sorh,keepapp] = ddencmp('den','wv',x);
xd = wdencmp('gbl',x,'db3',2,thr,sorh,keepapp);
subplot(211)
plot(x); title('Original Signal');
subplot(212)
plot(xd); title('Denoised Signal');

Denoise изображение в аддитивном белом Гауссовом шуме с помощью Донохо-Джонстона универсальный порог.

Загрузите изображение и добавьте белый Гауссов шум.

load sinsin
Y = X+18*randn(size(X));

Используйте ddencmp, чтобы получить порог.

[thr,sorh,keepapp] = ddencmp('den','wv',Y);

Denoise изображение. Используйте порядок 4 Symlet и двухуровневое разложение вейвлета. Постройте оригинальное изображение, шумное изображение и результат denoised.

xd = wdencmp('gbl',Y,'sym4',2,thr,sorh,keepapp);
subplot(2,2,1)
imagesc(X)
title('Original Image')
subplot(2,2,2)
imagesc(Y)
title('Noisy Image')
subplot(2,2,3)
imagesc(xd)
title('Denoised Image')

Входные параметры

свернуть все

Входные данные к denoise или сжатию, заданному вектором с действительным знаком или матрицей.

Типы данных: double

Коэффициенты расширения вейвлета данных, которые будут сжаты или denoised, заданный как вектор с действительным знаком. Если данные одномерны, C является вывод wavedec. Если данные двумерны, C является вывод wavedec2.

Пример: [C,L] = wavedec(randn(1,1024),3,'db4')

Типы данных: double

Размер коэффициентов расширения вейвлета сигнала или изображения, которое будет сжато или denoised, заданный как вектор или матрица положительных целых чисел.

Для сигналов L является вывод wavedec. Для изображений L является вывод wavedec2.

Пример: [C,L] = wavedec(randn(1,1024),3,'db4')

Типы данных: double

Имя вейвлета, заданного как вектор символов или скаляр строки, чтобы использовать для шумоподавления или сжатия. Смотрите wavemngr для получения дополнительной информации. wdencmp использует wname, чтобы сгенерировать N - разложение вейвлета уровня X.

Уровень разложения вейвлета, заданного как положительное целое число.

Порог, чтобы примениться к коэффициентам вейвлета, заданным как скаляр, вектор с действительным знаком или матрица с действительным знаком.

  • Для случая 'gbl' THR является скаляром.

  • Для одномерного случая и опции 'lvd', THR является длиной N вектор с действительным знаком, содержащий зависимые уровнем пороги.

  • Для двумерного случая и опции 'lvd', THR является 3 N матрицей, содержащей зависимые уровнем пороги в этих трех ориентациях: горизонталь, диагональ, и вертикальный.

Типы данных: double

Тип пороговой обработки, чтобы выполнить:

  • S Мягкая пороговая обработка

  • H Трудная пороговая обработка

Смотрите wthresh для получения дополнительной информации.

Пороговая установка приближения, заданная или как 0 или как 1. Если KEEPAPP = 1, коэффициенты приближения не могут быть порогом. Если KEEPAPP = 0, коэффициенты приближения могут быть порогом.

Типы данных: double

Выходные аргументы

свернуть все

Denoised или сжатые данные, возвращенные как вектор с действительным знаком или матрица. XC и X имеют те же размерности.

Коэффициенты расширения вейвлета denoised или сжатых данных XC, возвращенный как вектор с действительным знаком. LXC содержит количество коэффициентов уровнем.

Размер коэффициентов расширения вейвлета denoised или сжатых данных XC, заданный как вектор или матрица положительных целых чисел. Если данные одномерны, LXC является вектором положительных целых чисел (см. wavedec для получения дополнительной информации). Если данные двумерны, LXC является матрицей положительных целых чисел (см. wavedec2 для получения дополнительной информации).

Счет сжатия, возвращенный как вещественное число. PERF0 является процентом пороговых коэффициентов, которые равны 0.

PERFL2 = 100 * (векторная норма CXC / векторная норма C) 2, если [C,L] обозначает структуру разложения вейвлета X.

Если X является одномерным сигналом и 'wname' ортогональный вейвлет, PERFL2 уменьшается до

100XC2X2

Алгоритмы

Процедуры шумоподавления и сжатия содержат три шага:

  1. Разложение.

  2. Пороговая обработка.

  3. Реконструкция.

Эти две процедуры отличаются по Шагу 2. В сжатии, для каждого уровня в разложении вейвлета, выбран порог, и трудная пороговая обработка применяется к коэффициентам детали.

Ссылки

[1] DeVore, R. A. Б. Джейрт и Б. Дж. Лукир. “Сжатие изображения Посредством Кодирования Преобразования Вейвлета”. Транзакции IEEE на Теории информации. Издание 38, Номер 2, 1992, стр 719–746.

[2] Donoho, D. L. “Прогресс Анализа Вейвлета и WVD: Десятиминутный Тур”. Прогресс Анализа Вейвлета и Приложений (И. Мейер, и. Рок, редакторы). Джиф-сур-Иветт: Выпуски Frontières, 1993.

[3] Donoho, D. L. и я. М. Джонстон. “Идеальная Пространственная Адаптация Уменьшением Вейвлета”. Biometrika. Издание 81, стр 425–455, 1994.

[4] Donoho, D. L. i. М. Джонстон, Г. Керкьячариэн и Д. Пикар. “Уменьшение вейвлета: Asymptopia?” Журнал Королевского Статистического Общества, серий B, Издания 57, № 2, стр 301–369, 1995.

[5] Donoho, D. L. и я. М. Джонстон. “Идеальное шумоподавление в ортонормированном базисе, выбранном из библиотеки основ”. К. Р. Акэд. Наука Париж, Сер. Я, Издание 319, стр 1317–1322, 1994.

[6] Donoho, D. L. “Шумоподавление Мягкой Пороговой обработкой”. Транзакции IEEE на Теории информации. Издание 42, Номер 3, стр 613–627, 1995.

Расширенные возможности

Смотрите также

Функции

Приложения

Представлено до R2006a