Кодирование информации в радиоэлектронных системах передачи информации
..pdf91
После сжатия изображение будет иметь формат .IFS.
Стандартные кодеки Windows не способны декодировать полученное изображение,
поэтому в программе предусмотрена функция просмотра изображений формата .IFS.
Чтобы просмотреть нужное нам изображение необходимо:
1.В меню «декомпрессия» нажать на кнопку «Загрузить»;
2.Выбрать изображение формата .IFS;
3.В меня «декомпрессия» нажать на кнопку «Распаковать»
Далее рассмотрим сжатие изображений со спутника X-SAR Европейского космического агентства. На рисунке 2.36 представлено первоначальное изображение со спутника размером
435 Кб и разрешением 473x314 пикселей.
Рис. 2.28. Первоначальное изображение.
Далее, на рисунке 2.29, представлено это же изображение после обработки, при параметре смещение домена=1 и размер региона=8, время потраченное на сжатие t=703 с,
размер файла =11,4Кб.
Рис. 2.29. Обработанное изображение.
Далее, на рисунке 2.30, представлено это же изображение после обработки, при параметре смещение домена=10 и размер региона=8, время потраченное на сжатие t=6 с,
размер файла =11Кб.
92
Рис. 2.30. Обработанное изображение.
Далее, на рисунке 2.31, представлено это же изображение после обработки, при параметре смещение домена=5 и размер региона=10, время потраченное на сжатие t=27 с,
размер файла =7,12Кб.
Рис. 2.31. Обработанное изображение.
Далее, на рисунке 2.32, представлено это же изображение после обработки, при параметре смещение домена=10 и размер региона=12, время потраченное на сжатие t=5 с,
размер файла =4,95Кб.
Рис. 2.32. Обработанное изображение.
Далее, на рисунке 2.33, представлено это же изображение после обработки, при параметре смещение домена=1 и размер региона=15, время потраченное на сжатие t=566 с,
размер файла =3,04Кб.
93
Рис. 2.33. Обработанное изображение.
Далее, на рисунке 2.34, представлено это же изображение после обработки, при параметре смещение домена=10 и размер региона=14, время потраченное на сжатие t=4 с,
размер файла =3,55Кб.
Рис. 2.34. Обработанное изображение.
Далее, на рисунке 2.35, представлено это же изображение после обработки, при параметре смещение домена=20 и размер региона=10, время потраченное на сжатие t=1 с,
размер файла =4,12Кб.
Рис. 2.35. Обработанное изображение.
Ниже, на рисунке 2.36 представлен график зависимости времени сжатия от размера изображения.
94
450 |
|
|
|
400 |
|
|
|
350 |
|
|
|
300 |
|
|
|
250 |
|
|
|
200 |
|
|
|
150 |
|
|
|
100 |
|
|
|
50 |
|
|
|
0 |
|
|
|
0х0 |
198х253 |
225х225 |
325х325 |
Рис. 2.36. График зависимости времени сжатия от размера изображения. |
||||||||
На рисунке 2.37 представлен график зависимости времени сжатия от параметра |
||||||||
|
|
|
«смещение домена» |
|
|
|
||
700 |
|
|
|
|
|
|
|
|
600 |
|
|
|
|
|
|
|
|
500 |
|
|
|
|
|
|
|
|
400 |
|
|
|
|
|
|
|
|
300 |
|
|
|
|
|
|
|
|
200 |
|
|
|
|
|
|
|
|
100 |
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
0 |
5 |
10 |
|
15 |
20 |
|
25 |
Рис. 2.37. График зависимости времени сжатия от параметра «смещение домена». |
||||||||
На рисунке 2.38 представлен график зависимости времени сжатия от параметра «размер |
||||||||
региона». |
|
|
|
|
|
|
|
|
16 |
|
|
|
|
|
|
|
|
14 |
|
|
|
|
|
|
|
|
12 |
|
|
|
|
|
|
|
|
10 |
|
|
|
|
|
|
|
|
8 |
|
|
|
|
|
|
|
|
6 |
|
|
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
0 |
2 |
4 |
6 |
8 |
10 |
12 |
14 |
16 |
Рис. 2.38. |
График зависимости времени сжатия от параметра «размер региона» |
95
На рисунке 2.39 представлен график зависимости размера изображения (в КБайт) от параметра «размер региона»
|
25 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
20 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
15 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
5 |
10 |
15 |
20 |
25 |
|
|
||||||||||||
|
|
|
||||||||||||||||||
Рис. 2.39. График зависимости размера изображения (в КБайт) от параметра «размер |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
региона» |
|
|
|
|
|
|
|
|
||
Ниже, в таблице 2.6 представлена зависимость размера от коэффициента сжатия. |
|
|||||||||||||||||||
|
|
|
|
Таблица 2.6. Зависимость размера изображения от коэффициента сжатия. |
||||||||||||||||
Коэ-т |
143 |
|
|
122 |
|
|
105 |
88 |
61 |
|
40 |
|||||||||
сжатия |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Размер |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
изображения, |
3,04 |
|
|
3,55 |
|
|
4,12 |
4,95 |
7,12 |
|
11 |
|||||||||
Кб |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Как видно из таблицы, при максимально достигнутом коэффициенте сжатия равному
143, размер изображения уменьшился с 435Кб до 3,04Кб.
Из представленных выше графиков можно сделать вывод, что:
1.Чем больше изображение, тем больше время сжатия;
2.Чем больше параметр «смещение домена», тем меньше время сжатия;
3.Чем меньше параметр «размер региона», тем больше время сжатия;
4.Чем меньше параметр «размер региона», тем больше размер изображения.
Рассмотрим таблицу 2.4 , в которой сводятся воедино параметры различных алгоритмов
сжатия изображений [13].
|
|
|
96 |
|
|
Таблица 2.7. |
Алгоритмы сжатия |
|
|
|
|
Алгоритм |
К-ты сжатия |
На что |
Потери |
|
|
ориентирован |
|
|
|
|
|
RLE |
32, 2, 0.5 |
3,4-х битные |
Нет |
|
|
|
|
LZW |
1000, 4, 5/7 |
1-8 битные |
Нет |
|
|
|
|
Хаффмана |
8, 1.5, 1 |
8 битные |
Нет |
|
|
|
|
CCITT-3 |
213(3), 5, 0.25 |
1-битные |
Нет |
|
|
|
|
JBIG |
2-30 раз |
1-битные |
Нет |
|
|
|
|
Lossless JPEG |
2 раза |
24-битные, |
Нет |
|
|
серые |
|
|
|
|
|
JPEG |
2-20 раз |
24-битные, |
Да |
|
|
серые |
|
|
|
|
|
Рекурсивное |
2-200 раз |
24-битные, |
Да |
сжатие |
|
серые |
|
|
|
|
|
Фрактальный |
2-2000 раз |
24-битные, |
Да |
|
|
серые |
|
|
|
|
|
Использование сжатия с потерями предоставляет возможность за счет потерь регулировать качество изображений. Коэффициенты сжатия у фрактальных алгоритмов варьируются в пределах 2-2000 раз. Причем большие коэффициенты достигаются на реальных изображениях, что нетипично для предшествующих алгоритмов. Ниже представлен график зависимости размера изображения от коэффициента сжатия
12
10
8
6
4
2
0
0 |
20 |
40 |
60 |
80 |
100 |
120 |
140 |
160 |
Рис. 2.40. Зависимость размера изображения по оси ординат, от коэффициента сжатия по оси абсцисс
97
Ниже, для наглядности, приведены 2 рисунка, первый – исходное изображение; второй – изображение с максимально достигнутом коэффициентом сжатия равным 143.
Рис. 2.41. Исходное изображение |
Рис. 2.42. Изображение с коэффициентом |
|
сжатия 143 |
Как видно из рисунков, при сжатии текстовой информации она становится нечитабельная, хотя как всё изображение в целом остаётся узнаваемым.
Недостатком этого алгоритма является потребность в больших вычислительных мощностях при архивации. Фактически это первый существенно несимметричный алгоритм.
Причем, если у всех предшествующих алгоритмов коэффициент симметричности
(отношение времени архивации ко времени разархивации) не превышает 3, то у фрактального алгоритма он колеблется от 1000 до 10000.
2.5.Вейвлет преобразования сигналов и изображений [15]
Внастоящее время вейвлет-анализ является одним из наиболее мощных и при этом
гибких средств исследования данных: помимо возможностей сжатия и фильтрации данных,
анализ в базисе вейвлет-функций позволяет решать задачи идентификации, моделирования,
аппроксимации стационарных и нестационарных процессов, исследовать вопросы наличия разрывов в производных, осуществлять поиск точек склеивания данных, удалять в данных тренд, отыскивать признаки фрактальности информации. Стоит отметить, что в основе подобных возможностей, обеспечивающих вейвлет-анализу весьма перспективное будущее,
лежит природа его многомасштабности. Иначе говоря, гармонический анализ не способен конкурировать с вейвлет-анализом.
Вейвлет-преобразование широко используется для анализа сигналов. Помимо этого, оно находит большое применение в области сжатия данных. В дискретном вейвлет-
преобразовании наиболее значимая информация в сигнале содержится при высоких амплитудах, а менее полезная — при низких. Сжатие данных может быть получено за счет отбрасывания низких амплитуд. Вейвлет-преобразование позволяет получить высокое
98
соотношение сжатия в сочетании с хорошим качеством восстановленного сигнала. Вейвлет-
преобразование было выбрано для стандартов сжатия изображений JPEG2000 и ICER.
Однако, при малых сжатиях вейвлет-преобразование уступает по качеству в сравнении с оконным Фурье-преобразованием, которое лежит в основе стандарта JPEG.
Выбор конкретного вида и типа вейвлетов во многом зависит от анализируемых сигналов и задач анализа. Для получения оптимальных алгоритмов преобразования разработаны определенные критерии, но их еще нельзя считать окончательными, так как они являются внутренними по отношению к самим алгоритмам преобразования и, как правило,
не учитывают внешних критериев, связанных с сигналами и целями их преобразований.
Отсюда следует, что при практическом использовании вейвлетов необходимо уделять достаточное внимание проверке их работоспособности и эффективности для поставленных целей по сравнению с известными методами обработки и анализа.
Изобретение вейвлетов было напрямую связано с необходимостью более глубокого анализа сигналов, чем анализ сигнала с помощью преобразования Фурье. Вейвлеты используют в тех случаях, когда результат анализа некоторого сигнала должен содержать не только простое перечисление его характерных частот (масштабов), но и сведения об определенных локальных координатах, при которых эти частоты проявляют себя. Анализ и обработка нестационарных (во времени) или неоднородных (в пространстве) сигналов разных типов представляют собой основное поле применения вейвлет-анализа.
Вейвлеты – новые системы базисных функций, используемых для представления,
фильтрации, сжатия, хранения и т.д. любого из «сигналов»
(2.10)
Если n =1, переменная t представляет собой время, и мы работаем с временными сигналами. f : R C . Случай n=2 относится к обработке изображений. То есть, вейвлет представляет собой функцию от времени, которая используется для анализа одномерного или двумерного сигнала.
В своих работах Малл определяет вейвлет как функцию с нулевым средним
значением:
(t)dt 0. (2.11)
Вейвлетом называется волновое колебание с начальным значением амплитуды, равным нулю, затем увеличивающимся значением и затем снова уменьшающейся до нулевого значения. Это выражается в небольшом колебании исследуемого сигнала. Такое поведение этих функций позволяет записать и исследовать сейсмические волны или колебания сердца.
99
В общем случае, вейвлеты представляют собой функции, имеющие специфические свойства,
позволяющие эффективно обрабатывать сигналы. Вейвлеты могут комбинироваться (с
применением операций сдвига, умножения и суммирования), с выборками изучаемого сигнала для получения соответствующей информации.
Одна из основополагающих идей использования вейвлетов для представления сигналов заключается в разбивке приближения к сигналу на две составляющие: грубую
(аппроксимирующую) и утонченную (детализирующую), с последующим их уточнением итерационным методом. Каждый шаг такого уточнения соответствует определенному уровню декомпозиции и восстановления сигнала. Это возможно как во временной, так и в частотной областях представления сигнала вейвлетами. Вейвлеты применяются во многих областях науки; главные области применения – обработка и анализ сигналов и сжатие изображений.
Для обработки сигнала с помощью вейвлетов сначала выбирается анализирующий
(материнский) вейвлет. Обозначим его x (x) . Как правило, они определены на компактном носителе (на промежутке [0,L]). Под носителем функции понимается ее область определения.
Рис. 2.43. Материнский вейвлет Растянутые и сдвинутые копии вейвлета называются вейвлетными функциями. Для
них принято следующее обозначение:
|
|
|
|
1 |
t b |
|
|||
a,b |
: R C, t |
|
|
|
|
|
|
. |
(2.12) |
|
a |
|
1/ 2 |
|
|
||||
|
|
|
|
|
a |
|
Рис. 2.44. Общий вид совокупности волновых функций (вейвлет-пакетов)
100
Параметр a называется масштабирующим параметром, а параметр b – параметром сдвига.
Результат выполнения вейвлет-преобразования (массив данных, получающийся в результате) полностью зависит от материнского вейвлета.
На практике используются следующие типы вейвлетов:
Вейвлет Хаара.
Мексиканская шляпа.
Модулированная гауссова кривая.
Производная гауссовой кривой.
Вейвлеты Добеши, Грассмана, Мейера.
Вейвлеты Бэттла-Лемарье.
Симлеты.
Койфлеты.
Математический аппарат вейвлета Хаара
Вейвлет Хаара представляет собой следующую функцию:
|
1, (0 |
x |
1 |
) |
||
|
|
|||||
2 |
||||||
(x) |
|
1 |
|
(2.13) |
||
1, ( |
x |
1) |
||||
|
||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
||
Используя в качестве материнской |
функции вейвлет Хаара, можно определить |
вейвлетные функции.
|
|
r / 2 |
t k 2r |
||
r ,k |
2 |
|
|
|
|
|
|
r |
|||
haar |
2 |
||||
|
|
|
|
|
|
(2.14) |
|
|
, r, k Z |
|
|
|
В качестве носителя данная функция имеет интервал длины 2r: |
|
Ir ,k k 2r , (k 1) 2r |
(2.15) |
Большим значениям r соответствуют большие интервалы L, следовательно, вейвлетные функции имитируют большие волны. Одним из примеров, иллюстрирующих применение вейвлетов, является разложение сигнала с помощью выбранного преобразования [5].
Масштабирующая функция имеет вид:
1,0 x 1 |
(2.16) |
(x) |
|
0, x [0,1) |
|