Сжатие данных вейвлета

Функции сжатия данного основания вейвлета, в основном, соединяются с относительной недостаточностью представления области вейвлета для сигнала. Понятие позади сжатия основано на концепции, что регулярный компонент сигнала может быть точно аппроксимирован с помощью следующих элементов: небольшое количество коэффициентов приближения (на соответственно выбранном уровне) и некоторые коэффициенты детали.

Как шумоподавление, процедура сжатия содержит три шага:

  1. Разложиться

    Выберите вейвлет, выберите уровень N. Вычислите разложение вейвлета s сигнала на уровне N.

  2. Пороговые коэффициенты детали

    Для каждого уровня от 1 до N, выбран порог, и трудная пороговая обработка применяется к коэффициентам детали.

  3. Восстановить

    Вычислите реконструкцию вейвлета с помощью исходных коэффициентов приближения уровня N и измененные коэффициенты детали уровней от 1 до N.

Различие процедуры шумоподавления найдено на шаге 2. Существует два доступные подхода сжатия. Первое состоит из взятия расширения вейвлета сигнала и хранения самых больших коэффициентов абсолютного значения. В этом случае можно установить глобальный порог, производительность сжатия или относительную квадратную производительность восстановления нормы.

Таким образом только один параметр должен быть выбран. Второй подход состоит из применения визуально решительных зависимых уровнем порогов.

Давайте исследуем два реальных примера сжатия с помощью глобальной пороговой обработки, для данного и неоптимизированного выбора вейвлета, давайте произведем почти полное квадратное восстановление нормы для сигнала (см. Сжатие Сигнала), и для изображения (см. Сжатие изображения).

% Load electrical signal and select a part. 
load leleccum; indx = 2600:3100; 
x = leleccum(indx);
% Perform wavelet decomposition of the signal. 
n = 3; w = 'db3'; 
[c,l] = wavedec(x,n,w);
% Compress using a fixed threshold. 
thr = 35; 
keepapp = 1;
[xd,cxd,lxd,perf0,perfl2] = ...
   wdencmp('gbl',c,l,w,n,thr,'h',keepapp);

Сжатие сигнала

Результат является довольно удовлетворительным, не только из-за критерия восстановления нормы, но также и на визуальной точке зрения восприятия. Реконструкция использует только 15% коэффициентов.

% Load original image. 
load woman; x = X(100:200,100:200); 
nbc = size(map,1);

% Wavelet decomposition of x. 
n = 5; w = 'sym2'; [c,l] = wavedec2(x,n,w);

% Wavelet coefficients thresholding. 
thr = 20; 
keepapp = 1;
[xd,cxd,lxd,perf0,perfl2] = ...
                 wdencmp('gbl',c,l,w,n,thr,'h',keepapp);

Сжатие изображения

Если представление вейвлета является слишком плотным, подобные стратегии могут использоваться в пакетной среде вейвлета, чтобы получить более разреженное представление. Можно затем определить лучшее разложение относительно соответственно выбранного подобного энтропии критерия, который соответствует выбранной цели (шумоподавление или сжатие).

Очки сжатия

При сжатии использования ортогональных вейвлетов Сохраненная энергия в проценте задана

100*(векторная норма (coefs   текущего разложения,2))2(векторная норма(исходный сигнал,2))2

При сжатии использования биоортогональных вейвлетов предыдущее определение не удобно. Мы используем вместо этого энергетическое отношение в проценте, заданном

100*(векторная норма (сжатый сигнал,2))2(векторная норма(исходный сигнал,2))2

и как настраивающийся параметр восстановление кубического фута в секунду Нормы, заданное

100*(векторная норма (coefs   текущего разложения,2))2(векторная норма(coefs   исходного разложения,2))2

Количество нулей в проценте задано

100*(количество  нулей   текущего разложения)(количество  коэффициентов)

Для просмотра документации необходимо авторизоваться на сайте