PRIMJENA 2 D WAVELET TRANSFORMACIJE U KOMPRESIJI SLIKE

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