алгоритм
Быстрое вейвлет-преобразование является математическим алгоритм, предназначенный для преобразования формы сигнала или сигнала во временной области в последовательность коэффициентов на основе ортогональной основы малых конечных волн или вейвлетов. Преобразование можно легко расширить до многомерных сигналов, таких как изображения, где временная область заменена пространственной. Этот алгоритм был введен в 1989 г. Стефаном Малла.
. В качестве теоретической основы он имеет устройство конечно генерируемого ортогонального анализа с множественным разрешением (MRA). В приведенных здесь условиях выбирается шкала дискретизации J с частотой дискретизации 2 на единичный интервал и проецируется данный сигнал f на пространство ; теоретически путем вычисления скалярных произведений
где - это масштабирующая функция выбранного вейвлет-преобразования; на практике любой подходящей процедурой выборки при условии, что сигнал сильно передискретизирован, поэтому
является ортогональной проекцией или, по крайней мере, некоторым хорошим приближением исходного сигнала в .
MRA характеризуется своей последовательностью масштабирования
- или, как Z-преобразование,
и его вейвлет-последовательность
- или
(некоторые коэффициенты могут быть нулевыми). Они позволяют вычислять вейвлет-коэффициенты , по крайней мере, в некотором диапазоне k = M,..., J-1, без необходимости аппроксимировать интегралы в соответствующих скалярных произведениях. Вместо этого можно напрямую, с помощью операторов свертки и децимации, вычислить эти коэффициенты из первого приближения .
Contents
- 1 Forward DWT
- 2 Обратный DWT
- 3 См. Также
- 4 Ссылки
- 5 Дополнительная литература
Forward DWT
Для дискретного вейвлет-преобразования (DWT) один вычисляет рекурсивно, начиная с последовательности коэффициентов и отсчитывая от k = J-1 до некоторого M однократное применение банка вейвлет-фильтров с фильтрами g = a, h = b - или
и
- или ,
для k = J-1, J-2,..., M и всех . В нотации Z-преобразования:
рекурсивное применение банка фильтров - Оператор понижающей дискретизации сводит бесконечную последовательность, заданную ее Z-преобразованием, которое является просто рядом Лорана, до последовательности коэффициентов с четными индексами, .
- Звездный полином Лорана обозначает сопряженный фильтр, он имеет обращенные во времени сопряженные коэффициенты, . (Сопряженным к действительному числу является само число, к комплексному числу - к сопряженному, к вещественной матрице - к транспонированной матрице, к комплексной матрице - к сопряженному эрмитову).
- Умножение - это умножение полиномов, что эквивалентно к свертке последовательностей коэффициентов.
Отсюда следует, что
- ортогональная проекция исходного сигнала f или, по крайней мере, первого приближения на подпространство , то есть с частотой дискретизации 2 на единичный интервал. Разница в первом приближении определяется следующим образом:
- ,
где сигналы разности или детализации вычисляются из коэффициентов детализации как
- ,
с , обозначающий материнский вейвлет вейвлет-преобразования.
Обратный DWT
Учитывая последовательность коэффициентов для некоторого M d ( k) {\ displaystyle d ^ {(k)}}, k = M,..., J-1, вычисляется рекурсивно
- или
для k = J-1, J-2,..., M и всех . В нотации Z-преобразования:
- Оператор повышения дискретизации создает пустоты с нулями внутри заданной последовательности.. То есть каждый второй элемент результирующей последовательности является элементом данной последовательности, каждый второй элемент равен нулю или . Этот линейный оператор находится в гильбертовом пространстве , сопряженный с оператором понижающей дискретизации .
См. Также
Ссылки
- SG Маллат "Теория разложения сигналов с несколькими разрешениями: представление вейвлетов" IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 2, вып. 7. июль 1989 г.
- А.Н. Suboptimal PR-QMF Design Proc. SPIE 1818, Визуальные коммуникации и обработка изображений, стр. 723, ноябрь 1992 г.
- А.Н. Двухполосный квадратурный зеркальный фильтр без умножителя Akansu (PR-QMF) Патент США 5,420,891, 1995
- A.N. Квадратурные зеркальные фильтры Akansu PR без умножения для кодирования поддиапазонов изображений IEEE Trans. Обработка изображений, стр. 1359, сентябрь 1996 г.
- М.Дж. Mohlenkamp, M.C. Перейра Вейвлеты, их друзья и что они могут для вас сделать (EMS, 2008) с. 38
- Б. Хаббард «Мир согласно вейвлетам: история создания математической техники» (Питерс, 1998 г.) с. 184
- С.Г. Маллат «Вейвлет-тур по обработке сигналов» (1999 Academic Press) с. 255
- А. Вычислительная обработка сигналов Teolis с помощью вейвлетов (Биркхойзер, 1998 г.) с. 116
- Ю. Легкие вейвлеты Нивергельта (Springer, 1999) с. 95
Дополнительная литература
G. Бейлкин, Р. Койфман, В. Рохлин, «Быстрые вейвлет-преобразования и численные алгоритмы» Comm. Pure Appl. Math., 44 (1991) pp. 141–183 doi : 10.1002 / cpa.3160440202 (Эта статья цитировалась более 2400 раз.)