1 / 45

Aplikace wavelet

Komprese. Odstraňování šumu a poškození. Detekce struktur. Problematika rozmazání. Registrace. Fúze dat s různým rozlišením. Reprezentace. Watermarking. Aplikace wavelet. Komprese. 589824 bytes. JPG 45853 bytes compression ratio 12.9. WQ 45621 bytes compression ratio 12.9.

roden
Télécharger la présentation

Aplikace wavelet

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Komprese Odstraňování šumu a poškození Detekce struktur Problematika rozmazání Registrace Fúze dat s různým rozlišením Reprezentace Watermarking Aplikace wavelet

  2. Komprese 589824 bytes. JPG45853 bytes compression ratio 12.9. WQ45621 bytes compression ratio 12.9.

  3. kompresní poměr 120:1 originál WVL JPG

  4. Komprese - eliminace redundantní a méně důležité informace prostorová redundance: sousední hodnoty korelované frekvenční redundance: frekvenční hodnoty ze stejného pixlu jsou korelované časová redundance: frames malé změny v sekvenci - snižuje čas a cenu přenosu - WT - provádí dekorelaci dat

  5. Z vlastností DWT koeficienty - amplituda wavelety v daném místě, rozlišení a posunu wavelety - lokální charakter - lokalní vliv koeficientů chyba na koeficientech - malý vliv na daný pixel - vliv na malé okolí (velikost filtru) nekorelovanost koeficientů hladká data - nulové nebo malé koeficienty - počet chybících momentů u wavelet

  6. DWT v kódování DCT - každý koeficient reprezentuje - plochu - frekvenční rozsah - stejné pro všechny k. - někdy nezbyde dost bitů na „anomálie“ - hrany - blok efekty DWT - lépe zachyceny „anomálie“ - zachycení pozic koeficientů - náročné

  7. Komprese často - ortogonální wavelety biortogonální symetrické wavelety wavelet packets jednotlivé subbandy kódovány separátně moderní metody - závislost mezi škálami

  8. Komprese kódování signálu (DFT, DCT, DWT) Vstupní signál prahování Entropické kódování (Huffman, aritmetické, RLE) kvantizace (SQ, VQ, uniform) Komprimovaný signál

  9. Komprese

  10. „hard thresholding“ „soft thresholding“ Prahování ztrátová komprese - vynulování koeficientů menší než práh

  11. Prahování po prahování - bitmapa, 0 = vynulované koeficienty 1 = nevynulované koeficienty

  12. Kvantizace 4 úrovňová digitální 8 úrovňová digitálnií reprezentace reprezentace 2-bit rozlišení 3-bit rozlišení

  13. Kvantizace - různá pro jednotlivé bandy - chyby - vizuální - RMSE - statistika koeficientů - kvantizační intervaly - alokace bitů - vizuální - skalární x vektorová - uniformní x adaptivní

  14. Kvantizace 0.5 exp ( -  | x | ) Laplaceovo rozdělení

  15. Vektorová kvantizace nD vektor Rn do konečné množiny Y = {yi: i = 1, 2, ..., N}. yi - codeword Y - codebook. NP úplný problém nalezení codebook nejlépe reprezentující danou množinu vektorů

  16. - urči velikost N - vyber náhodně N codewords - „clusterize“ - nové codewords - průměr - opakuj dokud změna Linde-Buzo-Gray algoritmus ( LBG ) - podobný jako „k-mean clustering“

  17. Kódování umístění - RLE („run length coding“) kódování - stačí jen změny a první hodnota nejdelší souvislé běhy - spirála od středu RLE kód - Huffmanovo kódování amplitudy koeficientů - Huffmanovo kódování

  18. Huffmanovo kódování Můžou být i jiné - aritmetické kódování, Lempel-Ziv

  19. Histogramy před a po kompresi

  20. Komprese otisků prstů FBI otisky prstů, 768 x 768 pixels, 589,824 bytes 29 milionů karet (1995) 30,000-50,000 nových karet denně, řády TB

  21. Originál 589 824 bytes

  22. DWT 589 824 koeficientů

  23. Rekonstrukce 32 702 bytes compression ratio 18.0 589 824 bytes

  24. Škálovatelná kvalita – embedded kvantizace

  25. Škálovatelné rozlišení – wavelety

  26. Náhodný přístup (prostorová škálovatelnost)

  27. Significance – refinement metoda • použití bit- planes • pro každou bit-plane: • nalézt nové významné koeficienty • zakódovat znaménko • přenést doplňující bity • známých významných koef.

  28. Komprese - nové - modelování závislostí mezi koeficienty - deterministická struktura „do hloubky“ „Zero trees“

  29. Embedded Zerotree Wavelet Encoding J.M. Shapiro, 1993 EZW nevýznamný vzhledem k T

  30. Embedded Zerotree Wavelet Encoding

  31. ANO NE | koef | > T + - ANO nekódovat následník ZT sign(koef) NE POS NEG ANO NE význační potomci IZ ZTR

  32. T0 = 32 [32, 64), střed 48 „dominant“

  33. 0 1 32 40 48 56 64 „subordinate“ ( 63, 49, 34, 47) 2. „dominant“ T1 = 16, jen ty koeficienty, které v minulém „nesignifikantní“ ty minulé - jako 0 tento seznam ( 63, 49, 34, 47) se doplní o nové kódování- možno zastavit na požadovaném bit-rate

  34. Embedded Zerotree Wavelet Encoding

  35. Porovnání přístupů

  36. EZW • nevýhody : • obtížné dekódování pouhé části obrázku • špatné vzpamatování se z chyb • - následující přístupy Set Partitioning in Hierarchical Trees (SPIHT) Embedded Block Coding with Optimized Truncation (EBCOT) - v JPEG2000

  37. Embedded Block Coding with Optimized Truncation (EBCOT) Taubman, JPEG 2000 JPEG 0.125 bpp JPEG2000

  38. Embedded Block Coding with Optimized Truncation (EBCOT) • Taubman, JPEG 2000 • vhodný pro vzdálené prohlížení velkých souborů • škálovatelná komprese obrázků (embedded) • - kvalita • - rozlišení • náhodný přístup (různé části signálu - různé části obrázku) • kódování ROI

  39. EBCOT - bloky dělí každý sub-band na code bloky (32x32) ty separátně kóduje všechny bloky v sub-bandu – stejná velikost každý blok kódován zvlášť paralelní zpracování využití lokálních informací omezený dopad chyb možnost náhodného přístupu

  40. EBCOT – „vrstvy“

  41. EBCOT - kódování generování „vrstev“ a přehledových informací generování „embedded bit-stream“ bloky bandů víceprůchodové skenování na úrovni bitů, kódování po bitech, nejvyšší nenulový kódování používa info o kontextu ( hypotéza: významné vzorky shluknuté) každá „vrstva“ – své oříznutí, optimalizuje se

  42. EBCOT - kódování 3 typy průchodů, různé typy kódování - significant (nevýznamné s význ. sousedy) 2x - magnitude refinement(významné z minula) - cleanup (všechny zbývající) zero coding, RLC, sign coding, magnitude refinement

  43. EBCOT – optimální oříznutí informace o 1 bloku – různé délky kódu + rozdíly post-processing po komprimaci všech bloků – určení ořezání pro každý blok post-Compression Rate-Distortion (PCRD) Optimization cílový bit-rate nemusí být znám v době komprese quality layers – kód pro blok je optimálně ořezán pro „vrstvy“ danou vrstvu, efektivní komprese – nezávislé optimální ořezání bloků

  44. WVL JPEG

More Related