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 деноизированную или сжатую версию XC входных данных X полученный путем вейвлета порога коэффициентов с помощью глобального положительного порога THR. X является действительным вектором или матрицей. [CXC, LXC] является N-уровневая вейвлет разложения XC (см. wavedec или wavedec2 для получения дополнительной информации. PERFL2 и PERF0 являются L2-norm восстановление и сжатие счетов в процентах, соответственно. Если KEEPAPP = 1, приближения сохраняются. Если KEEPAPP = 0, приближения могут быть пороговыми.

[___] = wdencmp('gbl',C,L,wname,N,THR,SORH,KEEPAPP) использует структуру вейвлета разложения [C, L] данных, которые будут деноизированы или сжаты.

[___] = wdencmp('lvl',X,wname,N,THR,SORH) использует зависящие от уровня пороги THR. Коэффициенты приближения сохраняются.

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

Примеры

свернуть все

Открыть Live Script

Денуазируйте 1-D данные о потреблении электроэнергии с помощью глобального порога Донохо-Джонстона.

Загрузите сигнал и выберите сегмент для шумоподавления. 

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

Использование ddencmp определить глобальный порог по умолчанию и аннулировать сигнал. Постройте график исходных и деноизированных сигналов. 

[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.

Открыть Live Script

Обесценивайте изображение в аддитивном белом гауссовом шуме с помощью универсального порога Донохо-Джонстоуна.

Загрузите изображение и добавьте белый Гауссов шум.

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

Использование ddencmp для получения порога.

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

Денуазируйте изображение. Используйте порядок 4 Symlet и двухуровневое разложение вейвлета. Постройте график оригинального изображения, шумного изображения и обесцененного результата.

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 для денуилизации или сжатия, заданные действительным вектором или матрицей.

Типы данных: double

Вейвлеты вейвлет-расширения данных, которые будут сжиматься или деноизменяться, заданные как действительный вектор. Если данные одномерны, C - выходы wavedec. Если данные двумерны, C - выходы wavedec2.

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

Типы данных: double

Размер вейвлетов вейвлет-расширения сжимаемого или деноизменяемого сигнала или изображения, заданный как вектор или матрица положительных целых чисел.

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

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

Типы данных: double

Имя вейвлета, заданное как вектор символов или строковый скаляр, для использования в шумоподавлении или сжатии. Посмотрите wavemngr для получения дополнительной информации. wdencmp использует wname чтобы сгенерировать N-уровневое вейвлет X.

Уровень вейвлет, заданный как положительное целое число.

Порог для применения к коэффициентам вейвлета, заданным в виде скалярного, действительного вектора или вещественной матрицы.

  • Для случая 'gbl', THR является скаляром.

  • Для одномерного случая и 'lvd' опция, THR - длина N вектор с реальными значениями, содержащий зависящие от уровня пороги.

  • Для двумерного случая и 'lvd' опция, THR является 3-байт- N матрица, содержащая зависящие от уровня пороги в трех ориентациях: горизонтальной, диагональной и вертикальной.

Типы данных: double

Тип порога для выполнения:

  • 's' - Мягкое пороговое значение

  • 'h' - Жесткое пороговое значение

Посмотрите wthresh для получения дополнительной информации.

Порого приближения, заданная как 0 или 1. Если KEEPAPP = 1, аппроксимационные коэффициенты не могут быть пороговыми. Если KEEPAPP = 0, аппроксимационные коэффициенты могут быть пороговыми.

Типы данных: double

Выходные аргументы

свернуть все

Деноизированные или сжатые данные, возвращенные как действительный вектор или матрица. XC и X имеют одинаковые размерности.

Вейвлеты вейвлет-расширения денофицированных или сжатых данных XC, возвращенный как действительный вектор. LXC содержит количество коэффициентов по уровням.

Размер вейвлет расширения деноизированных или сжатых данных XC, заданный как вектор или матрица положительных целых чисел. Если данные одномерны, LXC - вектор 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 действительное число. PERF0 - процент коэффициентов порога, которые равны 0.

PERFL2 = 100 * (векторно-норма CXC / vector-norm of C)2 если [C,L] обозначает вейвлет структуру разложения X.

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

100‖XC‖2‖X‖2

Алгоритмы

Процедуры шумоподавления и сжатия содержат три этапа:

  1. Разложение.

  2. Пороговое значение.

  3. Реконструкция.

Эти две процедуры различаются на шаге 2. При сжатии для каждого уровня разложения вейвлет выбирают порог и применяют жесткое пороговое значение к коэффициентам детализации.

Ссылки

[1] DeVore, R. A., B. Jawerth, and B. J. Lucier. «Сжатие изображений посредством Вейвлета преобразования кодирования». Транзакции IEEE по теории информации. Том 38, № 2, 1992, стр. 719-746.

[2] Donoho, D. L. «Progress in Wavelet Analysis and WVD: A Ten Minute Tour». Прогресс в области Wavelet Analysis and Applications (Y. Meyer, and S. Roques, eds.). Gif-sur-Yvette: Editions Frontiéres, 1993.

[3] Donoho, D. L., and I. M. Johnstone. Идеальная пространственная адаптация методом усадки вейвлет. Биометрика. Том 81, стр. 425-455, 1994.

[4] Donoho, D. L., I. M. Johnstone, G. Kerkyacharian, and D. Picard. «Усадка вейвлет: асимптопия?» Журнал Королевского статистического общества, серия B, том 57, № 2, стр. 301 - 369, 1995.

[5] Donoho, D. L., and I. M. Johnstone. Идеальное шумоподавление в ортонормированном базисе, выбранном из библиотеки основ. C. R. Acad. Sci. Paris, Ser. I, Vol. 319, pp. 1317-1322, 1994.

[6] Donoho, D. L. «De-noising by Soft-Thresholding». Транзакции IEEE по теории информации. Том 42, № 3, стр. 613-627, 1995.

Расширенные возможности

.

См. также

Функции

Приложения

Представлено до R2006a

Документация по Wavelet Toolbox

Поддержка