Exponenta Banner

wdencmp

Шумоподавление или сжатие

свернуть все на странице

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 из входных данных X полученный содействующей пороговой обработкой вейвлета с помощью глобального положительного порога THRX вектор с действительным знаком или матрица. [CXC, LXC] N- структура разложения вейвлета уровня XC (см. wavedec или wavedec2 для получения дополнительной информации. PERFL2 и PERF0 баллы 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 [CL] из 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 [CL].

Примеры

свернуть все

Скрипт Open Live Script

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 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');

Figure contains 2 axes. Axes 1 with title Original Signal contains an object of type line. Axes 2 with title Denoised Signal contains an object of type line.

Скрипт Open Live Script

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 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')

Figure contains 3 axes. Axes 1 with title Original Image contains an object of type image. Axes 2 with title Noisy Image contains an object of type image. Axes 3 with title Denoised Image contains an object of type 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 в виде вектора с действительным знаком. Если данные одномерны, C выход wavedec. Если данные двумерны, C выход 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 в виде вектора или матрицы положительных целых чисел.

Для сигналов, L выход wavedec. Для изображений, L выход wavedec2.

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

Типы данных: double

Имя вейвлета в виде вектора символов или строкового скаляра, чтобы использовать для шумоподавления или сжатия. Смотрите wavemngr для получения дополнительной информации. wdencmp использование wname сгенерировать N- разложение вейвлета уровня X.

Уровень разложения вейвлета в виде положительного целого числа.

Порог, чтобы примениться к коэффициентам вейвлета в виде скаляра, вектора с действительным знаком или матрицы с действительным знаком.

  • Для случая 'gbl', THR скаляр.

  • Для одномерного случая и 'lvd' опция, THR длина N вектор с действительным знаком, содержащий зависимые уровнем пороги.

  • Для двумерного случая и 'lvd' опция, THR 3 N матрица, содержащая 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 в виде любого 0 или 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 имейте 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 XCВ виде вектора или матрицы положительных целых чисел. Если данные одномерны, LXC вектор из положительных целых чисел (см. wavedec для получения дополнительной информации. Если данные двумерны, LXC матрица положительных целых чисел (см. wavedec2 для получения дополнительной информации.

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

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

Если X одномерный сигнал и 'wname' ортогональный вейвлет, PERFL2 уменьшается до

100‖XC‖2‖X‖2

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 базисов”. 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

Документация Wavelet Toolbox

Поддержка