PRIMJENA 2 D WAVELET TRANSFORMACIJE U KOMPRESIJI SLIKE
- Slides: 18
PRIMJENA 2 D WAVELET TRANSFORMACIJE U KOMPRESIJI SLIKE U BEŽIČNIM SENZORSKIM MREŽAMA Napredne metode digitalne obradbe signala Anita Ivković Vana Jeličić Ana Svirčić Zagreb, siječanj 2009.
UVOD Potreba akvizicije slike u bežičnim senzorskim mrežama Zahtjevi i ograničenja Proučavanje mogućih rješenja Izbor metode kompresije Implementacija u Matlabu 2
KOMPRESIJA U BEŽIČNIM SENZORSKIM MREŽAMA Dijelovi kompresijskog postupka: slika Transformacija Obrada koeficijenata niz bitova Kodiranje Ograničenja u bežičnim senzorskim mrežama: Energija Procesorska moć Memorija Veliki izazov – akvizicija slike Kompromis između lokalne obrade i slanja slike 3
Istraživanja u svijetu – razne kompresijske metode primjenjive na sklopovlju Masli. Net (ZESOI, FER) – bežična senzorska mreža primjenjiva u uzgoju masline Mikroklimatski uvjeti – senzori temperature, vlage, tlaka. . . Akvizicija slike – CMOS UXGA kamera i VGA kamera Bežično slanje – Zig. Bee Implementacija na FPGA 4
MOGUĆA RJEŠENJA Transformacija - DCT ili DWT? DWT – progresivnost, skalabilnost, multirezolucija. . . Haar – jednostavan – zbrajanje i množenje s 2 (pomak u registru) Obrada koeficijenata – EBCOT, EZW, SPIHT. . . ? SPIHT Kodiranje nepotrebno za SPIHT! 5
HAAR – LIFTING SHEMA Koristi samo operacije zbrajanja/oduzimanja i množenja/dijeljenja s 2 Ljestvičasta struktura Haarovog sloga: 6
HAAROVA TRANSFORMACIJA (1 -D PRIMJER) Haarova transformacija: s s Izrazi: Inverzna Haarova transformacija: d d s d Izrazi: 7
HAAROVA TRANSFORMACIJA (2 -D) Transformacija 2 -D slike primjena 1 -D transformacije na svaki redak pa na svaki stupac Tipična wavelet transformacija generira hijerarhijsku strukturu kao na slici: 8
SPIHT (SET PARTITIONING IN HIERARCHICAL TREES) Algoritam ima 4 glavna dijela: Inicijalizacija Sorting pass (prolaz sortiranja) Refinement pass (prolaz poboljšanja) Ažuriranje kvantizacijskog koraka Sortiranje koeficijenata Koeficijent je značajan ako vrijedi: 9
SPIHT (SET PARTITIONING IN HIERARCHICAL TREES) Da bismo mogli razlikovati skupove piksela, uvodimo oznake: O(i, j): skup koordinata sve djece čvora (i, j), D(i, j): skup koordinata svih potomaka čvora (i, j), H: skup koordinata svih čvorova na najvišoj razini (korijeni). Hijerarhijska struktura matrice piksela: 10
SPIHT – SORTING PASS Uređene liste (significance information): LIS (list of insignificant sets) LIP (list of insignificant pixels) LSP (list of significant pixels) 11
SPIHT – REFINEMENT PASS 12
IMPLEMENTACIJA ALGORITMA Slika 256 x 256 piksela broj razlaganja 13
REZULTATI –SLIKA Y Izabrano: 3 razine razlaganja 0. 3 bpp 14
REZULTATI – SLIKA RGB 3 razine razlaganja, 0. 3 bpp Rekonstruirana slika: 29 502 bita Originalna slika: 256 x 2 x 8 = 1 048 576 bitova Stupanj kompresije: 1: 35 15
REZULTATI – PODJELA NA BLOKOVE Slika se rastavi na blokove koji se odvojeno komprimiraju Blokovi 64 x 64 pix, 3 razine razlaganja, 0. 3 bpp Blocking artefacts 16
ZAKLJUČAK Rezultati ovise o konkretnoj slici – veličini, sadržaju Ispitati djelovanje algoritma na slici stabla Pronaći optimalne parametre (veličinu blokova, bpp) Provjeriti ispravnost kôda – moguća poboljšanja, ubrzanje kodera. . . Modificirati alogoritam za implementaciju na FPGA skolopovlju 17
HVALA NA PAŽNJI! 18
- Osnovne kineziološke transformacije
- Linearne transformacije
- Laplasova transformacija
- Laplasova tablica
- Izometrijske transformacije
- Wavelet codec
- Wavelete
- Daubechies wavelet
- Fft vs wavelet
- Wavelet transform definition
- Wavelet buffer size
- Fault analysis
- Wavelet and multiresolution processing
- Kvadrat pitagora
- Kvadratna funkcija primjena
- Primjena znanstvenog zapisa u svakodnevnom životu
- Pitagorina teorema na romb
- Opisana kruznica kvadrata
- Primena pitagorine teoreme na romb