Применение диадических вейвлетов для цифровой обработки сигналов тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат физико-математических наук Строганов, Сергей Александрович
- Специальность ВАК РФ05.13.18
- Количество страниц 110
Оглавление диссертации кандидат физико-математических наук Строганов, Сергей Александрович
Содержание
Введение
Глава 1. Диадические вейвлеты в пространстве
1.1. Основные определения
1.2. Диадические вейвлеты первого этапа в
1.3. Итерационные вейвлеты в
1.4. Примеры
1.5. Выводы
Глава 2. Диадичеакие вейвлеты в пространстве 12{Ъ+)
2.1. Основные определения
2.2. Диадические вейвлеты первого этапа в ¿2(2,+)
2.3. Итерационные вейвлеты в 12(
2.4. Примеры
2.5. Выводы
Глава 3. Применение диадических вейвлетов к цифровой обработке сигналов
3.1. Применение диадических вейвлетов для кодирования изображений
3.2. Моделирование эффекта увеличения гладкости шума в результате консолидации блоков земной коры перед землетрясением
3.3. Применение диадических вейвлетов к оценке гладкости микросейсмического шума
3.4. Выводы
Заключение
Литература
Приложение А. Примеры изображений
А.1. Тестовые изображения
А.2. Примеры восстановленных изображений
Приложение Б. Тексты программ
Б.1. Прямое дискретное диадическое вейвлет-преобразование одномерного сигнала
Б.2. Обратное дискретное диадическое вейвлет-преобразование одномерного сигнала
Б.З. Прямое пирамидальное дискретное диадическое вейвлет-пре-
образование двумерного сигнала
Б.4. Обратное пирамидальное дискретное диадическое вейвлет-преобразование двумерного сигнала
Рекомендованный список диссертаций по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК
Аналитический синтез многомерных неразделимых сигналов и устройств для многоскоростных систем обработки изображений2007 год, доктор технических наук Чобану, Михаил Константинович
Методы и алгоритмы обработки информации на основе математического аппарата весового пространства Соболева, повышающие эффективность функционирования цифровых систем2013 год, доктор технических наук Бузыканов, Сергей Николаевич
Математические методы и алгоритмы цифровой компрессии изображений с использованием ортогональных преобразований2001 год, доктор физико-математических наук Умняшкин, Сергей Владимирович
Разработка математического, алгоритмического и программного обеспечения специализированной САПР устройств сжатия изображений2004 год, кандидат технических наук Мишуровский, Михаил Наумович
Обработка изображений двумерными нерекурсивными цифровыми фильтрами2010 год, доктор технических наук Приоров, Андрей Леонидович
Введение диссертации (часть автореферата) на тему «Применение диадических вейвлетов для цифровой обработки сигналов»
Введение
В последнее время активно развиваются различные методы цифровой обработки сигналов. В России и за рубежом к настоящему времени опубликовано большое количество работ, посвященных цифровой обработке сигналов, в том числе монографии Э. Айфичера и Б. Джервиса [1], Р. Гонсалеса и Р. Вудса [5], С. Малла [13], Г. Штарка [32], а также под редакциями A.A. Потапова [15] и В.А. Сойфера [14]. В частности, широкое распространение и развитие получили методы, основанные на использовании вейвлетов. В некоторых работах на русском языке вейвлеты называют всплесками. Одной из первых задач, в которой вейвлеты продемонстрировали свои преимущества, стала задача хранения дактилоскопических изображений. В США разработан и активно применяется национальный стандарт сжатия дактилоскопических изображений, основанный на применении биортогональных вейвлетов [33]. Этот стандарт позволяет достигать коэффициента сжатия 1:15. Для широкого класса изображений, в том числе для фотографий, методы цифровой обработки, основанные на использовании вейвлетов, показывают лучшие результаты, чем другие методы обработки изображений (см. [5, 13, 27, 32]). В стандарте JPEG2000 для решения задач кодирования и сжатия изображений используется вейвлет-преобразование. В книгах М. Фрейзера [31] и S. А. Broughton, K.M. Bryan [34] в задачах фильтрации сигналов, а также для решения дифференциальных уравнений используются вейвлеты Хаара и Добеши [6, 16]. Применимые в диссертации методы используют элементы общей теории дискретных преобразований Уолша и связаны с недавними результатами Б. Сендова (В. Sendov) [43-45], В. Лэнга (W.C. Lang) [41], В.Ю. Протасова [17], Ю.А. Фаркова [28, 29, 35, 36] и Ф. Шаха (F.A.Shah) [46, 47] о вейвлетах, определяемых с помощью функций Уолша. Одной из центральных проблем
при использовании вейвлетов для цифровой обработки сигналов является выбор вейвлета. Например, в [13] изложен метод выбора оптимального вей-влет-базиса для нелинейной аппроксимации сигнала, а в работе A.A. Любу-шина [9] выбор оптимального вейвлет-базиса позволяет оценивать гладкость низкочастотных микросейсмических колебаний. Таким образом, построение новых вейвлет-базисов и расширение возможностей их адаптации к анализу и обработке сигналов являются актуальными научными задачами.
Целью настоящей работы является:
1. Построение ортогональных и биортогональных диадических вейвлет-базисов в пространствах периодических и непериодических последовательностей.
2. Разработка алгоритма дискретного диадического вейвлет-преобразова-ния.
3. Применение диадических вейлветов для оценки гладкости шума в модели малых блоков земной коры.
4. Применение диадических вейвлетов в задачах цифровой обработки изображений.
Основные результаты работы:
1. Построены ортогональные и биортогональные диадические вейвлет-бази-сы в пространствах последовательностей и приведено их полное описание.
2. Исследованы системы диадических вейвлет-фильтров, разработан алгоритм построения многоэтапных биортогональных диадических вейвлет-базисов на основе систем вейвлет-фильтров.
3. Разработан алгоритм дискретного диадического вейвлет-преобразова-ния на основе быстрого преобразования Уолша.
4. Приведены примеры применения диадических вейвлетов в задачах кодирования изображений, а также для оценки гладкости низкочастотных микросейсмических колебаний.
К практически значимым результатам относятся разработанные методы, алгоритмы и комплексы программ, которые могут быть использованы при решении следующих задач:
1. Кодирование и сжатие данных, в частности фотографий и рентгеновских снимков.
2. Оценка гладкости низкочастотных микросейсмических колебаний и использование полученных данных в системах мониторинга.
Диссертация состоит из введения, трех глав, заключения и библиографии. Общий объем диссертации 110 страниц, включая 11 рисунков, 8 таблиц и два приложения. Библиография включает 48 наименований на 6 страницах.
В первой главе рассматриваются биортогональные диадические вей-влеты в пространстве периодических последовательностей ^{Ъы)- Пространство состоит из комплексных последовательностей
х = (..., х(-1), я:(0), ®(1), ж(2),...)
таких, что х^ + N) — х{у) для всех ] б Ъ. Для удобства изложения определены также числа Ыи = Ы/2й, 1 < и < п.
Двоичная свертка векторов х и у из /2(Ждг) определяется по формуле
N-1
(х * у){1) := ^ х{1 0 I е ZN,
з=о
где © - операция поразрядного сложения по модулю 2.
Для каждого х € /2(^дг) определяется оператор сдвига Тк : —
12{Ъм) такой, что (Ткх){1) :=х(1фк), I е Ъ^. Для любых х, у € 12{Zдr), к,1 £ Ън доказываются равенства:
(Ткх,Т1у) = {х,Тшу), (х,Тку) = х * у (Л),
где - система функций Уолша, ах- дискретное преобразование Уолша последовательности гг. По формуле
ленные по формуле (1.12) образуют пару биортогональных базисов в 12(Ж*м), то эти множества называются биорто г опальными диадическими вейвлет-
порождающими последовательностями соответствующих диадических вей-влет-базисов. Доказывается следующая теорема, которая характеризует все возможные порождающие последовательности.
Теорема 1.2.1. Пусть и,у,в,т £ Системы В (и, у) и В(з,т) явля-
ются биорто зональными диадическими вейвлет-базисами в 12{Ъ^) тогда и только тогда, когда
хТу = Иху, (х,у) = М(х,у), Ткх{1) = и)к{1/Ы)х,
базисами первого этапа в 12{^/у). Последовательности и,у,з,т называются
для всех I = 0,1,..., — 1.
Затем показывается, что для построения вейвлет-базисов первого этапа необязательно задавать четыре последовательности, удовлетворяющих условиям этой теоремы. Можно выбрать последовательности и, б € 12(^дг), которые удовлетворяют условию
ЩЩ + и{1 + И^ЩТЩ = 2/И2, (3)
для любого I = 0,1,..., — 1, а последовательности у,т Е 12{Ъдг) задать равенствами
у{1) = (-1)г5(1©0> т{1) = (-1)^(1 ©/), 1еъм. (4)
Доказано, что в этом случае множества В(и, у) и В(в, т) являются биортого-нальными диадическими вейвлет-базисами в /2(Ждг). На основе этого утверждения формулируется следующий метод построения вейвлет-базиса первого этапа:
1) выбираются последовательности и, в Е ¿2(^дг) так, чтобы они удовлетворяли условиям (3);
2) по формуле (4) определяются последовательности у,т Е 12{Ъдг).
Получившиеся в итоге последовательности и, 5, г>, т удовлетворяют условиям теоремы 1.2.1 и порождают пару биортогональных диадических вейвлет-базисов первого этапа в 12{Ъ^).
Далее рассматривается разложение вектора х Е 12{1>дг) по базисам В(и, у) и £>(з,т). Для вычисления координат вектора х в этих базисах путем умножения х на матрицу перехода требуется ./V2 комплексных умножений. Чтобы быстро вычислить координаты вектора х в базисе В(и,у) (или В(з,т)) требуется использовать тот факт, что (^Т^и) = х*й(2к) и аналогично для у. В итоге вектор х в базисе В(и, у) можно представить в виде двух сверток с последующим отбрасыванием координат с нечетными индексами. Для описания
быстрого перехода от евклидового стандартного базиса к вейвлет-базису и обратно, для 0 < v < п вводятся следующие операторы: Dv : 12{Ъ^) —> ¿2(Z/v„) и Uv : 12{ZNv) —> l2{Zjv), определяемые по формулам
D"(x)(j)=x(2»j),
y(j/2v), если j делится на 21/,
^(î/)C7')=<
I 0, если j не делится на 2",
где х g /2(Zjv), у g 12(Znu), j? = 0,1,.. ., tv — 1. Эти операторы называются операторами сгущающей и разрежающей выборки соответственно.
Разложение вектора х g 12{^n) по базисам B(u,v) и B(s,t) происходит по формулам
Ni~l Ni-1
x=Y, * u)(k))T2ku + J2 (D(x * v)(k))T2kv (5).
k=0 k=0
и
Ni — 1 iVi-1
® = № * s)(k))T2ks + ^ (£>(* * r){k))T2kt. (6)
k=Q k=0
Формулы (5), (6) называются формулами анализа первого этапа. Восстановление вектора х происходит по формулам синтеза первого этапа:
т * U(D(x * v)) + s * U(D(x * и)) — x
и
v * U(D(x * г)) + й * U(D(x * s)) = ж.
Затем для некоторого натурального m < п рассматривается система В(ср,ф), определяемая по формуле
{адлйо1 U {^^jSo1 U • • • U {Т*»кФт№О1 U (7)
где Ф1, ф2, ■ ■ ■ ? Фт, Рт ^ ¿2(Z?v), и система определяемая аналогично
по векторам ^ ф2,..., фт, (рт g /2(zjv). Если системы В((р,ф) и В((р,ф)
9
образуют пару биортогональных базисов в тогда они называются
т-этапными биортогоналъными диадическими вейвлет-базисами в пространстве 12{ЪЫ).
Доказывается, что для построения подобных вейвлет-базисов нужно выбрать т-этапную последовательность диадичесикх биортогональных вейвлет-фильтров и\, 51, VI, гьи2, 52, т2,... ,ит, 5т, ит, тто, таких, ЧТО и„,Уу, ву.Ту 6 для любого V = 1, 2,..., га и любого I = 0,1,..., Л^ выполнено равенство
ии{1) и„{1 + К)
%{1) зд + лд
( Ш Ш \ 2/10,
•
С П I ЛГ \ О П I ЛГ ^ / /V" 1 П 1 I
\
%{1 + лд т„(/ + Иу) ) М1-1 \ О 1
Если положить = щ, (р = 51, ф\ = ф — т\ и определить (ри, (ри, фу, фь для V = 2,..., га по формулам
^ = 1 * и" (и„), фи = (ру-1 * г/" (9)
и
- * ^1(51/), ^ = * (10)
то последовательности <р„, фу, фу порождают га-этапный вейвлет-базис с пространстве 12(Ъ^). Соответственно, задача построения диадических многоэтапных базисов сводится к выбору последовательности вейвлет-фильтров. Кроме того, доказано, что последовательность вейвлет-фильтров может быть построена с использованием порождающих последовательностей вейвлет-бази-са первого этапа. Такие последовательности фильтров называют стационарными.
В конце первой главы приведены примеры последовательностей, порождающих ортогональные и биортогональные диадические вейвлет-базисы в пространстве
Во второй главе рассматриваются диадические вейвлеты в пространстве непериодических последовательностей 12{Ъ+). Процесс построения диа-дических вейвлетов в этом пространстве в целом аналогичен подходу, изложенному в главе 1. Основное отличие заключается в том, что пространство +) является бесконечномерным, поэтому дополнительно требуется доказывать полноту полученных вейвлет-систем.
Еще одним отличием является тот факт, что свертка двух последовательностей из пространства не всегда принадлежит этому пространству, поэтому при построении диадических вейвлет-систем порождающие последовательности приходится выбирать из более узкого класса последовательностей - пространства 11('Ж+).
Несмотря на то, что пространство 12(Ъ+) позволяет рассматривать бесконечные сигналы, на практике встречаются только сигналы конечной длины. Поэтому отдельно рассматриваются последовательности и,ь, в, т, все элементы которых, начиная с некоторого индекса М, равны нулю. Доказаны следующие две леммы.
Лемма 2.4.1. Пусть М Е Щ, М < N = 2п и и, у, в^т таковы, что системы {Т2ки}кеъ+^{Т2к^}ке1+ и {Т^й^^и^^т}^^ являются биорто г опальными диадическими вейвлет-базисами первого этапа в пространстве 12(Ъ+). Положим
и(т) = й(ш) = у(т) — т(т) = 0 для всех т > М.
Определим последовательность и^щ равенствами
и{Ы){т) — и(т), т ~ 0,1,..., N — 1, (11)
и аналогично определим последовательности з^уу^ут^у Тогда множества {Т2кЩм)}£01 и {Т2ку(М)}к=0 и {т2к8(м)}к=о и {т2кЦм)}к=о являются
биортогоналъными диадическими вейвлет-базисами первого этапа в пространстве 12{Ъц).
Лемма 2.4.2. Пусть п 6 М, Я = 2п и и,у,в,т таковы, что множества {Т2ки}к^ и {Т2ки}^ и {Т2кв}^ и {Т2кт}^ являются биортогоналъными диадическими вейвлет-базисами первого этапа в пространстве 12{Ъц). Определим последовательность и^ равенствами
= и(т), га = 0,1,..., ЛГ — 1, (12)
и аналогично определим последовательности «(дг), ^(дг)) г(ло- Положим
щы){т) = 5(дг)(т) = = т^){т) — О для всех га > N.
Тогда множества {Т2ки^)}к^+^{Т2кУ{щ}кеЪ+ и {Т2кЗ(М)}к^+и{Т2кцМ)}ке%+ являются биортогоналъными диадическими вейвлет-базисами первого этапа в пространстве 12{Ъ+).
Эти две леммы показывают, что последовательности вейвлет-фильтров с конечным количеством ненулевых элементов могут порождать как базисы в пространстве 12(йр}), так и базисы в пространстве ¿2(Z+).
В третьей главе рассматриваются примеры применения диадических вейвлетов в задачах цифровой обработки сигналов. В первом разделе рассматривается задача кодирования изображений. Для адаптации диадических вейвлетов приводится метод кодирования изображений с "обратной связью"[38], состоящий из следующих шагов:
1) представление входного изображения в виде массива его вейвлет-коэф-фициентов;
2) квантование вейвлет-коэффициентов;
3) восстановление изображения и подсчет величины РЭМИ,;
4) замена параметров для достижения наилучшего значения PSNR.
При проведении численных экспериментов на этапе квантования использовались два метода:
1) аналогично подходу из книги Э. Уэлстида [27] выбиралось заданное количество наибольших по модулю вейвлет-коэффициентов (10%, 5% и 1%), остальные коэффициенты полагались равными нулю (метод А);
2) к вейвлет-коэффициентам применялось равномерное квантование с мертвой зоной в окрестности нуля (этот метод квантования используется в стандарте ЛРЕС2000 [40]). В этом случае каждый вейвлет-коэффициент ¿(х, у) квантуется по формуле
d(x,y) = sign (d(x,y))
А, (13)
А
где J - целая часть числа, а А - шаг квантования (метод В).
На этапе замены параметров вейвлета использовался рекурсивный генетический алгоритм [3], в котором целевой функцией являлась величина PSNR.
Эксперименты проводились на наборе тестовых изображений в градациях серого, размером 256 на 256 точек. Результаты, полученные для семейств диадических вейвлетов сравнивались с результатами классических вейвлетов Хаара, Добеши и биортогональных вейвлетов 9/7. Результаты кодирования изображений с использованием квантования из стандарта JPEG 2000 приведены в таблицах 3.1 - 3.6. Из этих таблиц видно, что при использовании метода кодирования из стандарта JPEG2000 для рассматриваемых изображений диадические вейвлеты имеют преимущество по сравнению с вейвлетами Хаара, Добеши и 9/7.
Во втором разделе третьей главы проводится моделирование эффекта увеличения гладкости шума в результате консолидации блоков земной коры перед землетрясением.
В работе [9] предложен следующий алгоритм оценки гладкости низкочастотных микросейсмических колебаний.
1. Выбирается некоторое множество вейвлет-базисов.
2. Из сигнала производится удаление тренда локальными полиномами восьмого порядка.
3. Для каждого вейвлет-базиса из выбранного множества
- вычисляется дискретное вейвлет-преобразование сигнала;
- по формуле
Е = - Y^Рз 1о§2Pj, Pj = d)/S, S = £4 j j
где dj - вейвлет-коэффициенты сигнала, вычисляется энтропия квадратов вейвлет-коэффициентов.
4. В качестве показателя гладкости сигнала выбирается показатель гладкости вейвлета с наименьшим значением энтропии.
A.A. Любушин использовал в своих работах вейвлеты Добеши порядков 1-10 и симлеты, порядков 4-10 (под порядком понимается число обнуляемых моментов у материнской функции). В качестве показателя гладкости для этих вейвлетов был выбран порядок вейвлета. A.A. Любушиным было показано, свойство гладкости волновых форм сейсмического шума отражает подготовку сильного землетрясения, а именно, задолго перед сейсмической катастрофой 11 марта 2011 г. в Японии среднее число обнуляемых моментов сейсмического шума на станциях сети F-net, после устранения трендов,
обусловленных приливами, существенно возросло, то есть шум стал более гладким [11].
Для моделирования эффекта увеличения гладкости шума каждый малый блок земной коры представляется как линейное колебательное звено, описываемое уравнением авторегрессии 2-го порядка [2]:
+ а[а)Х^(г - 1) + 0^X^(1 -2) = (14)
где Х^а\{) - колебание блока; а = 1,... ,т - индекс, нумерующий различные малые блоки земной коры, общим числом т; Ь е Ъ - целочисленный временной индекс, нумерующий последовательные отсчеты; - случай-
ный процесс, накачивающий энергией блок с номером а ; (а^а^) - параметры блока (коэффициенты авторегрессии), задающие передаточные и резонансные свойства блока. Под случайными процессами будем понимать последовательности независимых случайных величин с нулевым средним и с одинаковой дисперсией а2 , распределенных по Гауссу с плотностью вероятности е~х2/(ал/2п), иными словами, независимые гауссовские белые шумы. Процесс консолидации малых блоков моделируется резким уменьшением стандартного отклонения д разброса параметров (а^, а^) около среднего вектора (а^ = 0= 0.5), что эквивалентно более равномерному распределению свойств земной коры внутри большого консолидированного блока, образующегося из большого числа малых блоков.
На рисунке 3.2 представлены результаты оценки показателя гладкости (числа обнуляемых моментов) в скользящем временном окне до и после консолидации. Видно, что после консолидации среднее значение показателя гладкости существенно выросло, что соответствует оценкам по реальным данным наблюдений.
Во третьем разделе третьей главы рассматриваются диадические масштабирующие функции и соответствующие им вейвлеты в пространстве Ь2(Ш+),
порожденные диадическими вейвлетами из пространств последовательностей, и их применение для оценки гладкости низкочастотных микросейсмических колебаний.
В диссертационной работе рассматриваются масштабирующие функции и соответствующие им вейвлеты из примеров 3.3.1 и 3.3.2. Построение и оценки гладкости этих диадических вейвлетов представлены в работе Е.А. Родионова и Ю.А. Фаркова [19].
На рисунке 3.3 представлены графики изменения показателя гладкости по всем станциям сети Г-пе!;, дополнительно сглаженные во временном окне длиной 30 суток. Видна основная деталь поведения всех показателей гладкости шума: во временном интервале с начала 2002 до 2004 гг. произошло плавное повышение гладкости, причем средний уровень параметров гладкости оставался высоким вплоть до землетрясения 11.03.2001. После сейсмической катастрофы показатели гладкости (а) и (в) резко упали и, таким образом, параметры гладкости волновых форм низкочастотных микросейсм в формах Добеши и примера 3.3.2 обладают прогностическими свойствами, что делает их перспективным в использовании в прогностических системах мониторинга. Что касается оценки показателя гладкости (б) (пример 3.3.1), то пока рано утверждать, что она менее перспективна, чем остальные, рассмотренные в статье - ввиду слишком небольшого опыта использования оценок свойств гладкости микросейсмического шума в задачах мониторинга.
В заключении сформулированы основные результаты работы.
В приложения вынесены тексты программ основных алгоритмов, изложенных в диссертационной работе, а также набор тестовых изображений и примеры восстановления закодированных изображений.
Апробация результатов. Основные результаты диссертации докладывались на следующих конференциях:
1. IX международная конференция «Новые идеи в науках о Земле» (РГГ-РУ им. Серго Орджоникидзе, г. Москва, 2009 г.).
2. VI Международный симпозиум "Ряды Фурье и их приложения"(ЮФУ, г. Новороссийск, 2010 г.).
3. Российская конференция «Методы сплайн-функций», посвященная 80-летик: со дня рождения Ю. С. Завьялова (Институт математики им. С.Л. Соболева СО РАН, г. Новосибирск, 2011 г.).
4. X международная конференция «Новые идеи в науках о Земле» (РГГ-РУ им. Серго Орджоникидзе, г. Москва, 2011 г.).
Материалы диссертации опубликованы в 8 печатных работах, из них три статьи в рецензируемых журналах [25, 30, 37], одна статья в сборниках трудов конференций [22] и 4 тезисов докладов [12, 23, 24, 26].
Похожие диссертационные работы по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК
Обобщенные вейвлет-преобразования Хаара и их применение к компрессии изображений2007 год, кандидат физико-математических наук Белов, Александр Михайлович
Параллельно-рекурсивные методы выполнения вейвлет-преобразования в задачах обработки дискретных сигналов2005 год, кандидат физико-математических наук Нго Хыу Фук
Метод построения процедуры локальной обработки изображений на основе иерархической регрессии2011 год, кандидат технических наук Копенков, Василий Николаевич
Разработка и исследование метода преобразования видеоданных для определения их подлинности и подтверждения целостности2012 год, кандидат технических наук Григорьян, Амаяк Карэнович
Теория минимальных сплайн-всплесков и ее приложения2012 год, доктор физико-математических наук Макаров, Антон Александрович
Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Строганов, Сергей Александрович
3.4. Выводы
1. Разработан набор программ, позволяющих применять дискретные диа-дические вейвлеты в задачах обработки цифровых сигналов (см. приложение Б).
2. В задачах кодирования изображений, численные эксперименты с использованием диадических вейвлетов показали, что диадические вей-влеты не уступают, а в некоторых случаях и превосходят классические вейвлеты Хаара, Добеши и 9/7 по качеству восстановленного изображения.
3. Применение диадических вейвлетов для оценки гладкости низкочастотных микросейсмических шумов показало, что диадические вейвлеты обладают прогностическими свойствами и могут быть использованы в системах мониторинга.
Заключение
В диссертационной работе получены следующие основные результаты.
1. Построены диадические ортогональные и биортогональные вейвлет-бази-сы в пространствах периодических и непериодических последовательностей. Приведено их полное описание.
2. Разработан алгоритм построения диадических вейвлет базисов с использованием стационарных и нестационарных систем вейвлет-фильтров.
3. Разработаны алгоритмы прямого и обратного дискретных диадических вейвлет-преобразований на основе быстрого преобразования Уолша. Получены оценки быстродействия этих алгоритмов.
4. Разработаны программы на языке реализующих рассмотренные в диссертационной работе алгоритмы.
5. Показано, что в задачах кодирования изображений, диадические вей-влеты не уступают, а зачастую и превосходят классические вейвлеты Хаара и Добеши, а также биортогональный базис 9/7.
6. Показано, что диадические вейвлеты обладают прогностическими свойствами при оценке гладкости низкочастотных микросейсмических колебаний.
7. Результаты диссертационной работы могут быть использованы в системах обработки цифровых сигналов, кодирования и сжатия изображений, а также для анализа геофизических данных и системах мониторинга. Кроме того, результаты диссертации могут быть полезны при подготовке специалистов в учебном процессе по направлению 231300 «Прикладная математика».
Список литературы диссертационного исследования кандидат физико-математических наук Строганов, Сергей Александрович, 2012 год
Литература
1. Айфичер Э., Джервис Б. Цифровая обработка сигналов. М: Вильяме, 2004.
2. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. М: Мир, 1974.
3. Головешкин В.А., Ульянов М.В. Теория рекурсии для программистов. М: ТЕХНОСФЕРА, 2007.
4. Голубов Б.И., Ефимов A.B., Скворцов В.А. Ряды и преобразования Уол-ша: Теория и применения. М: Издательство ЛКИ, 2008.
5. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М: ТЕХНОСФЕРА, 2005.
6. Добеши И. Десять лекций по вейвлетам. Ижевск: НИЦ: "Регулярная и хаотическая динамика 2001.
7. Любушин A.A. Модель сейсмического процесса в блоковой среде. // Современные методы интерпретации сейсмологических данных (Вычислительная сейсмология). 1991. № 24. С. 50-61.
8. Любушин A.A. Тренды и ритмы синхронизации мультифрактальных параметров поля низкочастотных микросейсм. // Физика Земли. 2009. № 5. С. 15-28.
9. Любушин A.A. Статистики временных фрагментов низкочастотных микросейсм: их тренды и синхронизация // Физика Земли. 2010. JV5 6. С. 86-96.
10. Любушин A.A. Кластерный анализ свойств низкочастотного микросейсмического шума // Физика Земли. // Физика Земли. 2011. № 6. С. 26-34.
11. Любушин A.A. Сейсмическая катастрофа в Японии 11 марта 2011 года. Долгосрочный прогноз по низкочастотным микросейсмам. // Геофизические процессы и биосфера. 2011. Т. 10, № 1. С. 9-35.
12. Максимов А.Ю., Строганов С.А. О применении диадических вейвлетов для сжатия изображений // Современные проблемы теории функций и их приложения: Тез. докл. 14-й Саратов, зимн. шк., поев, памяти акад. П.Л. Ульянова. Саратов: Изд-во Саратов, ун-та, 2008. С. 108-109.
13. Малла С. Вэйвлеты в обработке сигналов. М: Мир, 2005.
14. Методы компьютерной обработки изображений. / Под ред. В.А. Сойфера. М: ФИЗМАТЛИТ, 2003.
15. Новейшие методы обработки изображений. / Под ред. A.A. Потапова. М: ФИЗМАТЛИТ, 2008.
16. Новиков И.Я., Протасов В.Ю., Скопина М.А. Теория всплесков. М: ФИЗМАТЛИТ, 2005.
17. Протасов В.Ю. Аппроксимация диадическими всплесками. // Математический собрник. 2007. Т. 198, № 11. С. 135-152.
18. Протасов В.Ю., Фарков Ю.А. Диадические вейвлеты и масштабирующие функции на полупрямой. // Математический сборник. 2006. Т. 197, № 10. С. 129-160.
19. Родионов Е.А., Фарков Ю.А. Оценки гладкости диадических ортогональных всплесков типа Добеши. // Мат. Заметки. 2009. Т. 86, № 3. С. 429-444.
20. Садовский М.А. О естественной кусковатости горных пород. // Докл. АН СССР. Т. 247. 1979. С. 829-832.
21. Садовский М.А. Автомодельность геодинамических процессов. // Вестник АН СССР. 1986. № 8. С. 3-11.
22. Строганов С.А. О дискретных диадических вейвлетах их применении для обработки изображений. // XVIII Международная конференция "Математика. Экономика. Образование."VI Международный симпозиум "Ряды Фурье и их приложения."Междисциплинарный семинар "Информационно-коммуникационные технологии."Труды. Ростов н/Д: Изд-во ЮФУ, 2010. С. 4-8.
23. Строганов С.А. О дискретных диадических вейвлет-иреобразованиях // X международная конференция «Новые идеи в науках о земле», Москва, РГГРУ, 12-15 апреля 2011. Доклады. Том 3. М: Экстра-принт, 2011. С. 208.
24. Строганов С.А. О применении диадических биортогональных дискретных всплесков для обработки изображений // Методы сплайн-функций. Российская конференция, посвящённая 80-летию со дня рождения Ю. С. Завьялова (Новосибирск, 31 января - 2 февраля 2011 г.): Тез. докладов. Новосибирск: ИМ СО РАН, 2011.
25. Строганов С.А. Оценка гладкости низкочастотных микросейсмических колебаний при помощи диадических вейвлетов. // Геофизические исследования. 2012. Т. 13, № 1. С. 60-65.
26. Строганов С.А., Фарков Ю.А. О диадических фреймах, определяемых по вейвлетам на полупрямой. //IX Международная конференция «Новые
идеи в науках о Земле». Москва, РГГРУ, 14-17 апреля 2009 года. Доклады. Том 3. М: РГГРУ, 2008.
27. Уэлстид Э. Фракталы и вейвлеты для сжатия изображений в действии. М: Триумф, 2003.
28. Фарков Ю.А. Биортогональные всплески на группах Виленкина. // Труды Математического института им. В.А. Стеклова. 2011. Т. 265. С. 110-124.
29. Фарков Ю.А. Дискретные вейвлеты и преобразование Виленки-на-Крестенсона. // Математические заметки. 2011. Т. 89, № 6. С. 914-928.
30. Фарков Ю.А., Строганов С.А. О дискретных диадических вейвлетах для обработки изображений. // Известия вузов. Математика. 2011. № 7. С. 57-66.
31. Фрейзер М. Введение в вэйвлеты в свете линейной алгебры. М.: БИНОМ. Лаборатория знаний., 2008.
32. Штарк Г. Применение вейвлетов для цифровой обработки сигналов. М: ТЕХНОСФЕРА, 2007.
33. National Institut of Standarts and Technology. Amercian National Standart for Information Systems - Data Format for the Interchange of Fingerprint, Facial and Other Biometric Information, 2011.
34. Broughton S.A., Bryan K.M. Discrete Fourier Analysis and Wavelets: Application to Signal and Image Processing. Hoboken, New Jersey: John Wiley and Sons, 2008.
35. Farkov Yu.A. On wavelets related to the Walsh series. //J. Approx. Theory. 2009. Vol. 161, no. 1. P. 259-279.
36. Farkov Yu.A. Wavelets and frames based on Walsh-Dirichlet type kernels. // Communic. Math. Appl. 2010. no. 1. P. 27-46.
37. Farkov Yu.A., Maksimov A.Yu., Stroganov S.A. On biorthogonal wavelets related to the Walsh functions. // International Journal of Wavelets, Multiresolution and Information Processing. 2011. Vol. 9, no. 3. P. 485-499.
38. Hereford J., Roach D.V., Pigford R. Image compression using parameterized wavelets with feedback. // Independent Component Analyses,Wavelets, and Neural Networks. 2003. Vol. 5120, no. 7. P. 267-277.
39. Hirata T., Satoh T., Ito K. Fractal structure of spatial distribution of micro-facturing in rock. // Geophys. J. Roy. Astron. Soc. 1987. Vol. 90, no. 2. P. 369-377.
40. ISO/IEC JTC1/SC29 WG1. JPEG 2000 Image Coding System, 2000.
41. Lang W.C. Fractal multiwavelets related to the Cantor dyadic group. // Intern. J. Math, and Math. Sci. 1998. Vol. 21, no. 3. P. 307-317.
42. Schipp F., Wade W.R., Simon P. An introduction to dyadic harmonic analysis. N.Y.: Adam Hilger, 1990.
43. Sendov Bl. Multiresolution analysis of functions defined on the dyadic topological group. // East J. Approx. 1997. Vol. 3, no. 2. P. 225-239.
44. Sendov Bl. Walsh-similar functions. // East J. Approx. 1999. Vol. 5, no. 1. P. 1-65.
45. Sendov Bl. Adapted multiresolution analysis and wavelets. // Proceedings of Alexits Memorial Conference "Functions, Series, Operators "(August 9-14, 1999) / Ed. by F. Schipp, J. Szabados. Budapest: 2002. P. 23-38.
46. Shah F.A. Construction of wavelet packets on p-adic field. // Int. J. Wavelets Multiresolut. Inf. Process. 2009. Vol. 7, no. 5. P. 553-565.
47. Shah F.A., Debnath L. p-Wavelet frame packets on a half-line using the Walsh-Fourier transform. // Integral Transforms Spec. Funct. 2011. Vol. 22, no. 12. P. 907-917.
48. Turcotte D.L. Fractals and Chaos in Geology and Geophysics, 2-nd edition. New York: Cambridge Univ. Press, 1997.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.