Appunti: Introduzione all`analisi wavelet
Transcript
Appunti: Introduzione all`analisi wavelet
Seminario Wavelet Seminario Wavelet martedì 16 marzo 2010 [/50] Indice Fourier Transform Short-time Fourier Transform Continuous Wavelet Transform Discrete Wavelet Transform Applicazioni Fusione di immagini multirisoluzione Compressione Denoising … Seminario Wavelet martedì 16 marzo 2010 [/50] Introduzione La Trasformata Wavelet è uno strumento matematico semplice adatto all’analisi numerica di segnali (suoni ed immagini) La WT nacque nei primi anni ’80 ed inizialmente fu utilizzata per la rappresentazione di segnali sismici La teoria matematica fu formulata rigorosamente a metà degli anni ’80 Seminario Wavelet martedì 16 marzo 2010 [/50] Fourier Transform (FT) La FT è applicata a segnali per ottenere ulteriori informazioni che altrimenti non sarebbero individuabili nel dominio temporale (spaziale). FT Inverse FT Il valore della FT in fo è uguale al prodotto tra il segnale x(t) e l’esponenziale valutato in fo integrato su tutto l’asse temporale Seminario Wavelet martedì 16 marzo 2010 [/50] Il segnale viene rappresentato con un insieme di funzioni base (esponenziali complessi) a differenti frequenze. Funzioni base: e1 … x eo e2 Seminario Wavelet martedì 16 marzo 2010 [/50] Il segnale viene rappresentato con un insieme di funzioni base (esponenziali complessi) a differenti frequenze. Funzioni base: e1 … x eo e2 Seminario Wavelet martedì 16 marzo 2010 Esempio: l’onda quadra può essere espressa come somma infinita di coseni con opportune ampiezze e fasi [/50] Il segnale viene rappresentato con un insieme di funzioni base (esponenziali complessi) a differenti frequenze. Funzioni base: e1 x … eo e2 Esempio: l’onda quadra può essere espressa come somma infinita di coseni con opportune ampiezze e fasi f1 Seminario Wavelet martedì 16 marzo 2010 [/50] Il segnale viene rappresentato con un insieme di funzioni base (esponenziali complessi) a differenti frequenze. Funzioni base: e1 x … Esempio: l’onda quadra può essere espressa come somma infinita di coseni con opportune ampiezze e fasi eo e2 f1 Seminario Wavelet martedì 16 marzo 2010 f1,f2 [/50] Il segnale viene rappresentato con un insieme di funzioni base (esponenziali complessi) a differenti frequenze. Funzioni base: e1 x … Esempio: l’onda quadra può essere espressa come somma infinita di coseni con opportune ampiezze e fasi eo e2 f1 Seminario Wavelet martedì 16 marzo 2010 f1,f2 f1,f2,f3 [/50] Il segnale viene rappresentato con un insieme di funzioni base (esponenziali complessi) a differenti frequenze. Funzioni base: e1 x … Esempio: l’onda quadra può essere espressa come somma infinita di coseni con opportune ampiezze e fasi eo e2 f1 f1,f2 f1,f2,f3 ,f4 f1,f2,f3 … Seminario Wavelet martedì 16 marzo 2010 [/50] La FT è utilizzata con successo nell’elaborazione di segnali FT Segnale Filtraggio Filtro Seminario Wavelet martedì 16 marzo 2010 Segnale filtrato [/50] La FT è utilizzata con successo nell’elaborazione di segnali FT Segnale Filtraggio Filtro Segnale filtrato La FT è utilizzata con successo nell’elaborazione di immagini Filtraggio Segnale Seminario Wavelet martedì 16 marzo 2010 Segnale filtrato [/50] Problema: Seminario Wavelet martedì 16 marzo 2010 [/50] Problema: Seminario Wavelet martedì 16 marzo 2010 [/50] Problema: FT Seminario Wavelet martedì 16 marzo 2010 [/50] Problema: FT Seminario Wavelet martedì 16 marzo 2010 [/50] Problema: FT Seminario Wavelet martedì 16 marzo 2010 [/50] Problema: FT Seminario Wavelet martedì 16 marzo 2010 [/50] Problema: FT FT Seminario Wavelet martedì 16 marzo 2010 [/50] Problema: FT FT Perché le rappresentazioni spettrali dei due segnali sono simili ? Seminario Wavelet martedì 16 marzo 2010 [/50] Nella FT si perde ogni indicazione temporale. L’integrazione sull’asse temporale è da – infinito a + infinito e quindi viene soltanto determinato se su una certa componente frequenziale è presente oppure no, ma non dove essa è presente nel tempo. In altre parole, se la frequenza fo appare soltanto all’istante t1, oppure soltanto all’istante t2, non ci saranno differenze nel calcolo della FT. La FT non è adatta a rappresentare segnali non stazionari, cioè segnali con componenti frequenziali variabili nel tempo. La FT ha senso soltanto se il segnale è stazionario con componenti frequenziali costanti nel tempo L’informazione in frequenza non è dipendente da dove le componenti appaiono nel tempo Seminario Wavelet martedì 16 marzo 2010 [/50] Short-Time Fourier Transform (STFT) Quale è il problema della FT? Non funziona correttamente per segnali non stazionari. Seminario Wavelet martedì 16 marzo 2010 [/50] Short-Time Fourier Transform (STFT) Quale è il problema della FT? Non funziona correttamente per segnali non stazionari. Supponiamo che il segnale non stazionario sia stazionario su intervalli regolari. E’ possibile allora applicare la FT su tali intervalli senza generare ambiguità. Seminario Wavelet martedì 16 marzo 2010 [/50] La STFT fornisce una rappresentazione tempo-frequenza Si applica una finestra temporale sul segnale e si prende la FT La base adesso è data da funzioni complesse finestrate con lunghezza finita (a supporto compatto) Finestra Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] STFT Seminario Wavelet martedì 16 marzo 2010 [/50] STFT Seminario Wavelet martedì 16 marzo 2010 [/50] STFT Seminario Wavelet martedì 16 marzo 2010 [/50] STFT Seminario Wavelet martedì 16 marzo 2010 [/50] STFT STFT Seminario Wavelet martedì 16 marzo 2010 [/50] STFT STFT Seminario Wavelet martedì 16 marzo 2010 [/50] STFT STFT Seminario Wavelet martedì 16 marzo 2010 [/50] STFT STFT Seminario Wavelet martedì 16 marzo 2010 [/50] STFT STFT Seminario Wavelet martedì 16 marzo 2010 [/50] Problema: quanto deve essere ampia la finestra? Finestra stretta ⇒ buona risoluzione nel tempo, cattiva risoluzione in frequenza Finestra ampia ⇒ buona risoluzione in frequenza, cattiva risoluzione nel tempo Nella FT(x(t)) risoluzione frequenziale infinita ma risoluzione temporale nulla. Per x(t) risoluzione frequenziale nulla, ma risoluzione temporale infinita. La perfetta risoluzione in frequenza di FT(x(t)) è dovuta alla finestra infinita data dall’esponenziale complesso. Nella STST la finestra è di durata finita e quindi è possibile avere una cattiva localizzazione del segnale trasformato. Seminario Wavelet martedì 16 marzo 2010 [/50] Risoluzione in frequenza Seminario Wavelet martedì 16 marzo 2010 Risoluzione nel tempo [/50] Risoluzione in frequenza Risoluzione nel tempo Cattiva localizzazione frequenziale Buona localizzazione temporale In grado di rilevare componenti ad alta frequenza Seminario Wavelet martedì 16 marzo 2010 [/50] Risoluzione in frequenza Cattiva localizzazione frequenziale Buona localizzazione temporale Risoluzione nel tempo Cattiva localizzazione temporale Buona localizzazione frequenziale In grado di rilevare componenti ad In grado di rilevare componenti a alta frequenza Seminario Wavelet martedì 16 marzo 2010 bassa frequenza [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Sinusoide a frequenza Seminario Wavelet martedì 16 marzo 2010 f0 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Sinusoide a frequenza Seminario Wavelet martedì 16 marzo 2010 f1 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Sinusoide a frequenza Seminario Wavelet martedì 16 marzo 2010 f2 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Sinusoide a frequenza Seminario Wavelet martedì 16 marzo 2010 f3 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] f0> f1> f2> f3 Seminario Wavelet martedì 16 marzo 2010 [/50] STFT f0> f1> f2> f3 Seminario Wavelet martedì 16 marzo 2010 [/50] STFT f0> f1> f2> f3 L’ampiezza della finestra viene variata dal parametro a ed è così calcolata la STFT in quattro diverse situazioni Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Cattiva localizzazione in frequenza Seminario Wavelet martedì 16 marzo 2010 [/50] Buona localizzazione nel tempo Cattiva localizzazione in frequenza Seminario Wavelet martedì 16 marzo 2010 [/50] Buona localizzazione nel tempo Cattiva localizzazione in frequenza Seminario Wavelet martedì 16 marzo 2010 [/50] Migliore localizzazione in frequenza Buona localizzazione nel tempo Cattiva localizzazione in frequenza Seminario Wavelet martedì 16 marzo 2010 [/50] Peggiore localizzazione nel tempo Migliore localizzazione in frequenza Buona localizzazione nel tempo Cattiva localizzazione in frequenza Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Buona localizzazione in frequenza Seminario Wavelet martedì 16 marzo 2010 [/50] Cattiva localizzazione temporale Buona localizzazione in frequenza Seminario Wavelet martedì 16 marzo 2010 [/50] Cattiva localizzazione temporale Buona localizzazione in frequenza Seminario Wavelet martedì 16 marzo 2010 [/50] Pessima localizzazione temporale Cattiva localizzazione temporale Buona localizzazione in frequenza Seminario Wavelet martedì 16 marzo 2010 [/50] Tassellazione del piano frequenza-tempo Al variare del tempo e della frequenza, le risoluzioni temporali e le risoluzioni frequenziali rimangono costanti. Seminario Wavelet martedì 16 marzo 2010 [/50] Continuous Wavelet Transform (CWT) Nella STFT, sono presenti dei limiti di rappresentazione dovuti alla larghezza non variabile della finestra. Seminario Wavelet martedì 16 marzo 2010 [/50] Continuous Wavelet Transform (CWT) Nella STFT, sono presenti dei limiti di rappresentazione dovuti alla larghezza non variabile della finestra. Analizziamo il segnale con una funzione modulante a larghezza variabile. con Seminario Wavelet martedì 16 marzo 2010 la funzione wavelet [/50] Correlazione tra x e ψ* Wavelet significa onda piccola ψ*(t) è la Wavelet madre (s=1) τ indica la traslazione sull’asse temporale della Wavelet s è il parametro di scala ed è concettualmente simile alla scala utilizzata nelle mappe Alte scale visioni globali del segnale non dettagliate temporalmente Basse scale visioni dettagliate del segnale nel tempo Seminario Wavelet martedì 16 marzo 2010 [/50] Correlazione tra x e ψ* Finestra di lunghezza finita Wavelet significa onda piccola ψ*(t) è la Wavelet madre (s=1) Funzione oscillante τ indica la traslazione sull’asse temporale della Wavelet s è il parametro di scala ed è concettualmente simile alla scala utilizzata nelle mappe Alte scale visioni globali del segnale non dettagliate temporalmente Basse scale visioni dettagliate del segnale nel tempo Seminario Wavelet martedì 16 marzo 2010 [/50] Correlazione tra x e ψ* Finestra di lunghezza finita Wavelet significa onda piccola ψ*(t) è la Wavelet madre (s=1) Funzione oscillante τ indica la traslazione sull’asse temporale della Wavelet s è il parametro di scala ed è concettualmente simile alla scala utilizzata nelle mappe Alte scale visioni globali del segnale non dettagliate temporalmente Basse scale visioni dettagliate del segnale nel tempo Che cosa succede al variare del parametro di scala s ? s aumenta Espansione Wavelets Seminario Wavelet martedì 16 marzo 2010 [/50] Correlazione tra x e ψ* Finestra di lunghezza finita Wavelet significa onda piccola ψ*(t) è la Wavelet madre (s=1) Funzione oscillante τ indica la traslazione sull’asse temporale della Wavelet s è il parametro di scala ed è concettualmente simile alla scala utilizzata nelle mappe Alte scale visioni globali del segnale non dettagliate temporalmente Basse scale visioni dettagliate del segnale nel tempo Che cosa succede al variare del parametro di scala s ? s aumenta Espansione Wavelets Seminario Wavelet martedì 16 marzo 2010 [/50] Correlazione tra x e ψ* Finestra di lunghezza finita Wavelet significa onda piccola ψ*(t) è la Wavelet madre (s=1) Funzione oscillante τ indica la traslazione sull’asse temporale della Wavelet s è il parametro di scala ed è concettualmente simile alla scala utilizzata nelle mappe Alte scale visioni globali del segnale non dettagliate temporalmente Basse scale visioni dettagliate del segnale nel tempo Che cosa succede al variare del parametro di scala s ? s aumenta Espansione Wavelets Seminario Wavelet martedì 16 marzo 2010 [/50] Correlazione tra x e ψ* Finestra di lunghezza finita Wavelet significa onda piccola ψ*(t) è la Wavelet madre (s=1) Funzione oscillante τ indica la traslazione sull’asse temporale della Wavelet s è il parametro di scala ed è concettualmente simile alla scala utilizzata nelle mappe Alte scale visioni globali del segnale non dettagliate temporalmente Basse scale visioni dettagliate del segnale nel tempo Che cosa succede al variare del parametro di scala s ? s aumenta Espansione Wavelets Seminario Wavelet martedì 16 marzo 2010 s diminuisce Compressione Wavelets [/50] Correlazione tra x e ψ* Finestra di lunghezza finita Wavelet significa onda piccola ψ*(t) è la Wavelet madre (s=1) Funzione oscillante τ indica la traslazione sull’asse temporale della Wavelet s è il parametro di scala ed è concettualmente simile alla scala utilizzata nelle mappe Alte scale visioni globali del segnale non dettagliate temporalmente Basse scale visioni dettagliate del segnale nel tempo Che cosa succede al variare del parametro di scala s ? s aumenta Espansione Wavelets Seminario Wavelet martedì 16 marzo 2010 s diminuisce Compressione Wavelets [/50] Correlazione tra x e ψ* Finestra di lunghezza finita Wavelet significa onda piccola ψ*(t) è la Wavelet madre (s=1) Funzione oscillante τ indica la traslazione sull’asse temporale della Wavelet s è il parametro di scala ed è concettualmente simile alla scala utilizzata nelle mappe Alte scale visioni globali del segnale non dettagliate temporalmente Basse scale visioni dettagliate del segnale nel tempo Che cosa succede al variare del parametro di scala s ? s aumenta Espansione Wavelets Seminario Wavelet martedì 16 marzo 2010 s diminuisce Compressione Wavelets [/50] Interpretazione della CWT Fissato τ1 ed s1 Prodotto Seminario Wavelet martedì 16 marzo 2010 [/50] Interpretazione della CWT Fissato τ1 ed s1 Prodotto Seminario Wavelet martedì 16 marzo 2010 [/50] Interpretazione della CWT Fissato τ1 ed s1 Prodotto Seminario Wavelet martedì 16 marzo 2010 [/50] Interpretazione della CWT Fissato τ1 ed s1 Prodotto Seminario Wavelet martedì 16 marzo 2010 [/50] Fissato s1 ,τ varia da –infinito a +infinito Seminario Wavelet martedì 16 marzo 2010 [/50] Fissato s1 ,τ varia da –infinito a +infinito Seminario Wavelet martedì 16 marzo 2010 [/50] Fissato s1 ,τ varia da –infinito a +infinito Seminario Wavelet martedì 16 marzo 2010 [/50] Fissato s1 ,τ varia da –infinito a +infinito Seminario Wavelet martedì 16 marzo 2010 [/50] Fissato s1 ,τ varia da –infinito a +infinito Fissato τ1 , s varia da –infinito a +infinito Seminario Wavelet martedì 16 marzo 2010 [/50] Fissato s1 ,τ varia da –infinito a +infinito Fissato τ1 , s varia da –infinito a +infinito Seminario Wavelet martedì 16 marzo 2010 [/50] Fissato s1 ,τ varia da –infinito a +infinito Fissato τ1 , s varia da –infinito a +infinito Seminario Wavelet martedì 16 marzo 2010 [/50] Fissato s1 ,τ varia da –infinito a +infinito Fissato τ1 , s varia da –infinito a +infinito Seminario Wavelet martedì 16 marzo 2010 [/50] Il parametro di scala è inversamente proporzionale alla frequenza Per valori di s elevati, le Wavelets sono molto ampie, equivalente ad analizzare il segnale ad bassa frequenza Per valori di s piccoli, le Wavelets sono molto strette, equivalente ad analizzare il segnale ad alta frequenza FT Seminario Wavelet martedì 16 marzo 2010 [/50] Il parametro di scala è inversamente proporzionale alla frequenza Per valori di s elevati, le Wavelets sono molto ampie, equivalente ad analizzare il segnale ad bassa frequenza Per valori di s piccoli, le Wavelets sono molto strette, equivalente ad analizzare il segnale ad alta frequenza FT Seminario Wavelet martedì 16 marzo 2010 [/50] Il parametro di scala è inversamente proporzionale alla frequenza Per valori di s elevati, le Wavelets sono molto ampie, equivalente ad analizzare il segnale ad bassa frequenza Per valori di s piccoli, le Wavelets sono molto strette, equivalente ad analizzare il segnale ad alta frequenza FT Seminario Wavelet martedì 16 marzo 2010 [/50] Il parametro di scala è inversamente proporzionale alla frequenza Per valori di s elevati, le Wavelets sono molto ampie, equivalente ad analizzare il segnale ad bassa frequenza Per valori di s piccoli, le Wavelets sono molto strette, equivalente ad analizzare il segnale ad alta frequenza FT Seminario Wavelet martedì 16 marzo 2010 [/50] Il parametro di scala è inversamente proporzionale alla frequenza Per valori di s elevati, le Wavelets sono molto ampie, equivalente ad analizzare il segnale ad bassa frequenza Per valori di s piccoli, le Wavelets sono molto strette, equivalente ad analizzare il segnale ad alta frequenza FT Seminario Wavelet martedì 16 marzo 2010 [/50] Il parametro di scala è inversamente proporzionale alla frequenza Per valori di s elevati, le Wavelets sono molto ampie, equivalente ad analizzare il segnale ad bassa frequenza Per valori di s piccoli, le Wavelets sono molto strette, equivalente ad analizzare il segnale ad alta frequenza FT Seminario Wavelet martedì 16 marzo 2010 [/50] Il parametro di scala è inversamente proporzionale alla frequenza Per valori di s elevati, le Wavelets sono molto ampie, equivalente ad analizzare il segnale ad bassa frequenza Per valori di s piccoli, le Wavelets sono molto strette, equivalente ad analizzare il segnale ad alta frequenza FT Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] CWT Seminario Wavelet martedì 16 marzo 2010 [/50] CWT S=100 Seminario Wavelet martedì 16 marzo 2010 [/50] CWT S=100 Seminario Wavelet martedì 16 marzo 2010 [/50] CWT S=100 Seminario Wavelet martedì 16 marzo 2010 S=20 [/50] CWT S=100 Seminario Wavelet martedì 16 marzo 2010 S=20 [/50] CWT S=100 Seminario Wavelet martedì 16 marzo 2010 S=20 S=10 [/50] CWT S=100 Seminario Wavelet martedì 16 marzo 2010 S=20 S=10 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Introduzione di uno “spike” Seminario Wavelet martedì 16 marzo 2010 [/50] CWT Introduzione di uno “spike” Seminario Wavelet martedì 16 marzo 2010 [/50] CWT Introduzione di uno “spike” Viene individuata una componente in alta frequenza (bassa scala) Seminario Wavelet martedì 16 marzo 2010 [/50] CWT Introduzione di uno “spike” Viene individuata una componente in alta frequenza (bassa scala) Per fattori di scala piccoli, otteniamo una buona risoluzione temporale ma una cattiva risoluzione in frequenza Per fattori di scala elevati, otteniamo una cattiva risoluzione temporale ed una buona risoluzione in frequenza Seminario Wavelet martedì 16 marzo 2010 [/50] Tassellazione del piano frequenza-tempo A basse frequenze, altezze dei rettangoli piccole, ma basi ampie (alta risoluzione in frequenza e bassa risoluzione nel tempo) Bassa risoluzione ad alta frequenza, ma alta risoluzione temporale Le aree di ogni rettangolo sono sempre le stesse (uguali porzioni del piano frequenza tempo, ma differenti proporzioni) Valori delle aree limitati inferiormente da π/4 Seminario Wavelet martedì 16 marzo 2010 [/50] CWT Seminario Wavelet martedì 16 marzo 2010 Processo di analisi Wavelet [/50] CWT Inverse CWT Seminario Wavelet martedì 16 marzo 2010 Processo di analisi Wavelet Processo di sintesi Wavelet [/50] CWT Inverse CWT Processo di analisi Wavelet Processo di sintesi Wavelet E’ possibile ricostruire x(t) purché siano verificate le condizioni di ammissibilità: Seminario Wavelet martedì 16 marzo 2010 [/50] CWT Inverse CWT Processo di analisi Wavelet Processo di sintesi Wavelet E’ possibile ricostruire x(t) purché siano verificate le condizioni di ammissibilità: Funzione oscillante a media nulla Seminario Wavelet martedì 16 marzo 2010 [/50] CWT Inverse CWT Processo di analisi Wavelet Processo di sintesi Wavelet E’ possibile ricostruire x(t) purché siano verificate le condizioni di ammissibilità: Seminario Wavelet martedì 16 marzo 2010 [/50] CWT Inverse CWT Processo di analisi Wavelet Processo di sintesi Wavelet E’ possibile ricostruire x(t) purché siano verificate le condizioni di ammissibilità: Filtro passa-banda Seminario Wavelet martedì 16 marzo 2010 [/50] Problema: i PC sono utilizzati per la maggior parte dei calcoli. La CWT può essere calcolata in pratica utilizzando analiticamente equazioni, integrali, ecc… Seminario Wavelet martedì 16 marzo 2010 [/50] Problema: i PC sono utilizzati per la maggior parte dei calcoli. La CWT può essere calcolata in pratica utilizzando analiticamente equazioni, integrali, ecc… E’ perciò necessario discretizzare la CWT. Come campionare il piano s-τ ? Seminario Wavelet martedì 16 marzo 2010 [/50] Discrete Wavelet Transform (DWT) E’ possibile applicare un campionamento costante su τ ed s, ma non è il migliore in quanto è ridondante. Seminario Wavelet martedì 16 marzo 2010 [/50] Discrete Wavelet Transform (DWT) E’ possibile applicare un campionamento costante su τ ed s, ma non è il migliore in quanto è ridondante. Utilizziamo un campionamento variabile Seminario Wavelet martedì 16 marzo 2010 [/50] Discrete Wavelet Transform (DWT) E’ possibile applicare un campionamento costante su τ ed s, ma non è il migliore in quanto è ridondante. Utilizziamo un campionamento variabile Basse scale (alte frequenze), passo di campionamento piccolo Seminario Wavelet martedì 16 marzo 2010 [/50] Discrete Wavelet Transform (DWT) E’ possibile applicare un campionamento costante su τ ed s, ma non è il migliore in quanto è ridondante. Utilizziamo un campionamento variabile Seminario Wavelet martedì 16 marzo 2010 [/50] Discrete Wavelet Transform (DWT) E’ possibile applicare un campionamento costante su τ ed s, ma non è il migliore in quanto è ridondante. Utilizziamo un campionamento variabile Alte scale (basse frequenze), passo di campionamento grande Seminario Wavelet martedì 16 marzo 2010 [/50] Discrete Wavelet Transform (DWT) E’ possibile applicare un campionamento costante su τ ed s, ma non è il migliore in quanto è ridondante. Utilizziamo un campionamento variabile Seminario Wavelet martedì 16 marzo 2010 [/50] Discrete Wavelet Transform (DWT) E’ possibile applicare un campionamento costante su τ ed s, ma non è il migliore in quanto è ridondante. Utilizziamo un campionamento variabile Campionamento del logaritmo del fattore di scala costante Seminario Wavelet martedì 16 marzo 2010 [/50] Discrete Wavelet Transform (DWT) E’ possibile applicare un campionamento costante su τ ed s, ma non è il migliore in quanto è ridondante. Utilizziamo un campionamento variabile Seminario Wavelet martedì 16 marzo 2010 [/50] Rappresentazione diadica Seminario Wavelet martedì 16 marzo 2010 [/50] Rappresentazione diadica Da si ad si+1 il passo di Seminario Wavelet martedì 16 marzo 2010 campionamento si raddoppia (il numero di punti si dimezza) Per ogni valore di scala fissato, deve essere comunque rispettato il criterio di Nyquist [/50] Rappresentazione diadica Da si ad si+1 il passo di campionamento si raddoppia (il numero di punti si dimezza) Per ogni valore di scala fissato, deve essere comunque rispettato il criterio di Nyquist s Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] DWT per segnali a tempo continuo Seminario Wavelet martedì 16 marzo 2010 DWT per sequenze [/50] DWT per segnali a tempo continuo Seminario Wavelet martedì 16 marzo 2010 DWT per sequenze [/50] DWT per segnali a tempo continuo Seminario Wavelet martedì 16 marzo 2010 DWT per sequenze [/50] DWT per segnali a tempo continuo Seminario Wavelet martedì 16 marzo 2010 DWT per sequenze [/50] DWT per segnali a tempo continuo Seminario Wavelet martedì 16 marzo 2010 DWT per sequenze [/50] Analisi Multirisoluzione (MRA) per sequenze La DWT può essere rappresentata tramite l’implementazione iterativa di due filtri passa-alto (g(n)) e passa-basso (h(n)) a mezza banda H(z) 2 G(z) 2 Le caratteristiche di scalamento vengono applicate andando a sottocampionare o sovracampionare i segnali filtrati x(n) N y(n) x(n) N y(n) Tc di y(t) N volte più grande del Tc di x(t). Tc di y(t) N volte più piccolo del Tc di x(t). Seminario Wavelet martedì 16 marzo 2010 [/50] Analisi Multirisoluzione (MRA) per sequenze La DWT può essere rappresentata tramite l’implementazione iterativa di due filtri passa-alto (g(n)) e passa-basso (h(n)) a mezza banda H(z) 2 G(z) 2 Le caratteristiche di scalamento vengono applicate andando a sottocampionare o sovracampionare i segnali filtrati x(n) N y(n) x(n) N y(n) Tc di y(t) N volte più grande del Tc di x(t). Tc di y(t) N volte più piccolo del Tc di x(t). Seminario Wavelet martedì 16 marzo 2010 [/50] Analisi Multirisoluzione (MRA) per sequenze La DWT può essere rappresentata tramite l’implementazione iterativa di due filtri passa-alto (g(n)) e passa-basso (h(n)) a mezza banda H(z) 2 G(z) 2 Le caratteristiche di scalamento vengono applicate andando a sottocampionare o sovracampionare i segnali filtrati x(n) N y(n) x(n) N y(n) Tc di y(t) N volte più grande del Tc di x(t). Tc di y(t) N volte più piccolo del Tc di x(t). Seminario Wavelet martedì 16 marzo 2010 [/50] Analisi Multirisoluzione (MRA) per sequenze La DWT può essere rappresentata tramite l’implementazione iterativa di due filtri passa-alto (g(n)) e passa-basso (h(n)) a mezza banda H(z) 2 G(z) 2 Le caratteristiche di scalamento vengono applicate andando a sottocampionare o sovracampionare i segnali filtrati x(n) N y(n) x(n) N y(n) Tc di y(t) N volte più grande del Tc di x(t). Tc di y(t) N volte più piccolo del Tc di x(t). Seminario Wavelet martedì 16 marzo 2010 [/50] Analisi Multirisoluzione (MRA) per sequenze La DWT può essere rappresentata tramite l’implementazione iterativa di due filtri passa-alto (g(n)) e passa-basso (h(n)) a mezza banda H(z) 2 G(z) 2 Le caratteristiche di scalamento vengono applicate andando a sottocampionare o sovracampionare i segnali filtrati x(n) N y(n) x(n) N y(n) Tc di y(t) N volte più grande del Tc di x(t). Tc di y(t) N volte più piccolo del Tc di x(t). Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 Livello 1 Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 Sequenza di approssimazione al livello 1 Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 Sequenza di dettaglio al livello 1 Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 H(z) 2 G(z) 2 … [/50] H(z) 2 G(z) 2 H(z) 2 G(z) 2 … Livello 2 Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 H(z) 2 G(z) 2 … [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 H(z) 2 G(z) 2 … [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 H(z) 2 G(z) 2 … [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 H(z) 2 G(z) 2 … [/50] H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 H(z) 2 G(z) 2 … [/50] Rete di Routing M U X G(z) H(z) 2 2 RAM Il numero di punti delle sequenze di dettaglio e di approssimazione si riduce di un fattore 2 ad ogni passo Rispetto alla FT non viene persa la localizzazione temporale Il numero di punti del segnale determina il numero massimo di livelli di scomposizione La risoluzione delle sequenze di dettaglio e di approssimazione dipende dal livello di analisi Seminario Wavelet martedì 16 marzo 2010 [/50] MRA per le immagini Colonne Righe H(z) 2 2 H(z) 2 G(z) G(z) 2 H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 … [/50] MRA per le immagini Colonne Righe H(z) 2 2 H(z) 2 G(z) G(z) 2 H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 … [/50] MRA per le immagini Colonne Righe H(z) 2 2 H(z) 2 G(z) G(z) 2 H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 … [/50] MRA per le immagini Colonne Righe H(z) 2 2 H(z) 2 G(z) G(z) 2 H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 … [/50] MRA per le immagini Colonne Righe H(z) 2 2 H(z) 2 G(z) G(z) 2 H(z) 2 G(z) 2 … Dett. orizzontale Dett. verticale Dett. diagonale Seminario Wavelet martedì 16 marzo 2010 [/50] MRA per le immagini Colonne Righe H(z) 2 2 H(z) 2 G(z) G(z) 2 H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 … [/50] MRA per le immagini Colonne Righe H(z) 2 2 H(z) 2 G(z) G(z) 2 H(z) 2 G(z) 2 … Immagine Seminario Wavelet martedì 16 marzo 2010 [/50] MRA per le immagini Colonne Righe H(z) 2 2 H(z) 2 G(z) G(z) 2 H(z) 2 G(z) 2 Immagine Seminario Wavelet martedì 16 marzo 2010 … Coefficienti 1° Livello [/50] MRA per le immagini Colonne Righe H(z) 2 2 H(z) 2 G(z) G(z) 2 H(z) 2 G(z) 2 Immagine Seminario Wavelet martedì 16 marzo 2010 … Coefficienti 1° Livello Coefficienti 2° Livello [/50] MRA per le immagini Colonne Righe H(z) 2 2 H(z) 2 G(z) G(z) 2 H(z) 2 G(z) 2 Immagine … Coefficienti 1° Livello Coefficienti 2° Livello Ad ogni passo riduzione del numero dei punti di un fattore 4 Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 … [/50] H(z) 2 G(z) 2 H(z) 2 G(z) 2 Seminario Wavelet martedì 16 marzo 2010 … H(z) G(z) H(z2) 4 G(z2) 4 … 2 [/50] H(z) 2 G(z) 2 H(z) 2 G(z) 2 … H(z) G(z) H(z2) 4 G(z2) 4 … 2 Verifica Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 H(z) 2 G(z) 2 … H(z) G(z) H(z2) 4 G(z2) 4 … 2 Verifica … Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) 2 G(z) 2 H(z) 2 G(z) 2 … H(z) G(z) H(z2) 4 G(z2) 4 … 2 Verifica … Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) H(z2) 4 G(z2) 4 G(z) Seminario Wavelet martedì 16 marzo 2010 … 2 [/50] H(z) H(z2) 4 G(z2) 4 G(z) Seminario Wavelet martedì 16 marzo 2010 2 … è detta scaling function [/50] H(z) H(z2) 4 G(z2) 4 G(z) Seminario Wavelet martedì 16 marzo 2010 2 … è detta scaling function [/50] H(z) H(z2) 4 G(z2) 4 G(z) … è detta scaling function 2 Codifica in sottobande Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) H(z2) 4 G(z2) 4 G(z) … è detta scaling function 2 Codifica in sottobande … Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) H(z2) 4 G(z2) 4 G(z) … è detta scaling function 2 Codifica in sottobande … Seminario Wavelet martedì 16 marzo 2010 [/50] H(z) H(z2) 4 G(z2) 4 G(z) … è detta scaling function 2 Codifica in sottobande … Ad ogni passo la banda si riduce di un fattore 2 Seminario Wavelet martedì 16 marzo 2010 [/50] Processo di sintesi x(n) può essere perfettamente ricostruito a partire dalle sequenze di dettaglio e di approssimazione. Seminario Wavelet martedì 16 marzo 2010 [/50] Processo di sintesi x(n) può essere perfettamente ricostruito a partire dalle sequenze di dettaglio e di approssimazione. 2 2 Seminario Wavelet martedì 16 marzo 2010 + [/50] Processo di sintesi x(n) può essere perfettamente ricostruito a partire dalle sequenze di dettaglio e di approssimazione. 2 2 + 2 2 Seminario Wavelet martedì 16 marzo 2010 + [/50] Processo di sintesi x(n) può essere perfettamente ricostruito a partire dalle sequenze di dettaglio e di approssimazione. 2 2 + 2 2 + Ad ogni livello le sequenze sono sovracampionate di un fattore 2 Seminario Wavelet martedì 16 marzo 2010 [/50] Processo di sintesi x(n) può essere perfettamente ricostruito a partire dalle sequenze di dettaglio e di approssimazione. 2 2 + 2 2 Ad ogni livello le sequenze sono sovracampionate di un fattore 2 Seminario Wavelet martedì 16 marzo 2010 + I filtri passa-basso e passa-alto servono a garantire la ricostruzione del segnale [/50] Alcune applicazioni Fusione di immagini multirisoluzione Compressione Denoising Seminario Wavelet martedì 16 marzo 2010 [/50] Fusione di immagini multirisoluzione Immagine pancromatica (PAN) ad alta risoluzione spaziale Seminario Wavelet martedì 16 marzo 2010 Immagini multispettrali (MS) a bassa risoluzione spaziale [/50] Fusione di immagini multirisoluzione Immagine pancromatica (PAN) ad alta risoluzione spaziale Immagini multispettrali (MS) a bassa risoluzione spaziale Si vuole ottenere una nuova immagine multispettrale le cui bande coincidono, spettralmente, il più possibile con l’immagine MS ed avente, al tempo stesso, una risoluzione spaziale confrontabile con quella dell’immagine pancromatica. Ricostruire cioè un’immagine il più simile possibile a quella che il sensore MS vedrebbe alla risoluzione dell’immagine PAN. Seminario Wavelet martedì 16 marzo 2010 [/50] Fusione di immagini multirisoluzione Immagine pancromatica (PAN) ad alta risoluzione spaziale Immagini multispettrali (MS) a bassa risoluzione spaziale Si vuole ottenere una nuova immagine multispettrale le cui bande coincidono, spettralmente, il più possibile con l’immagine MS ed avente, al tempo stesso, una risoluzione spaziale confrontabile con quella dell’immagine pancromatica. Ricostruire cioè un’immagine il più simile possibile a quella che il sensore MS vedrebbe alla risoluzione dell’immagine PAN. DWT non decimata applicata alle immagine PAN e MS per decorrelare i coefficienti a bassa ed alta frequenza Iniezione di componenti a basse scale (alte frequenze) in versioni ricampionate dell’immagine MS Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Compressione La codifica di un’immagine può essere scomposta logicamente in una succesione di trasformazioni applicate sequenzialmente Immagine originale Trasformazione Seminario Wavelet martedì 16 marzo 2010 Quantizzazione Immagine compressa Codifica [/50] Compressione La codifica di un’immagine può essere scomposta logicamente in una succesione di trasformazioni applicate sequenzialmente Immagine originale Trasformazione Quantizzazione Immagine compressa Codifica DCT utilizzata nel formato JPEG DWT utilizzata nel formato JPEG 2000 DWT con QuadTree Segmentation per la BANDELET Transform Seminario Wavelet martedì 16 marzo 2010 [/50] Compressione La codifica di un’immagine può essere scomposta logicamente in una succesione di trasformazioni applicate sequenzialmente Immagine originale Trasformazione Quantizzazione DCT utilizzata nel formato JPEG DWT utilizzata nel formato JPEG 2000 DWT con QuadTree Segmentation per la BANDELET Transform Seminario Wavelet martedì 16 marzo 2010 Immagine compressa Codifica La presenza o l’assenza del quantizzatore determina una compressione con o senza perdita (lossy e lossless) [/50] JPEG 2000 Immagine originale Immagine ricostruita Seminario Wavelet martedì 16 marzo 2010 Codificatore DWT Q Codifica entropica Decodificatore IDWT Q-1 Decodifica entropica Immagine compressa Immagine compressa [/50] JPEG 2000 Immagine originale Immagine ricostruita Codificatore DWT Q Codifica entropica Decodificatore IDWT Q-1 Decodifica entropica Immagine compressa Immagine compressa La DWT decorrela i coefficienti a bassa frequenza da quelli ad alta frequenza Seminario Wavelet martedì 16 marzo 2010 [/50] JPEG 2000 Immagine originale Immagine ricostruita Codificatore DWT Q Codifica entropica Decodificatore IDWT Q-1 Decodifica entropica Immagine compressa Immagine compressa La DWT decorrela i coefficienti a bassa frequenza da quelli ad alta frequenza Alto contenuto informativo Seminario Wavelet martedì 16 marzo 2010 [/50] JPEG 2000 Immagine originale Immagine ricostruita Codificatore DWT Q Codifica entropica Decodificatore IDWT Q-1 Decodifica entropica Immagine compressa Immagine compressa La DWT decorrela i coefficienti a bassa frequenza da quelli ad alta frequenza Alto contenuto informativo Basso contenuto informativo Seminario Wavelet martedì 16 marzo 2010 [/50] L’immagine di approssimazione e le immagini di dettaglio a bassa frequenza vengono quantizzate con un numero maggiore di bit (SNR più grande a parità di segnale) Fattore di compressione variabile in funzione del numero di bit associati al processo di quantizzazione Immagine originale Seminario Wavelet martedì 16 marzo 2010 Un alto fattore di compressione produce un’immagine con dimensioni (in termini di byte) molto più ridotte rispetto all’immagine originale, ma al tempo stesso una peggiore qualità visiva [/50] Evoluzione verso tecniche avanzate di compressione come ad esempio la Bandelet Transform. A parità di dimensione del file viene garantita una migliore qualità visiva JPEG Seminario Wavelet martedì 16 marzo 2010 JPEG 2000 BT [/50] Denoising Tecniche di denoising applicate ad immagini SAR, a segnali di campo di potenziale, ecc… Applicare filtri passa-basso, passa-alto, passa-banda consente di effettuare metodi di denoising globale, ma nel caso di rumore sovrapposto al segnale, i filtri possono modificare pesantemente anche la forma del segnale La DWT si adatta perfettamente come tecnica di denoising a causa delle sue eccellenti proprietà di localizzazione DWT Seminario Wavelet martedì 16 marzo 2010 Thresholding IDWT [/50] Denoising Tecniche di denoising applicate ad immagini SAR, a segnali di campo di potenziale, ecc… Applicare filtri passa-basso, passa-alto, passa-banda consente di effettuare metodi di denoising globale, ma nel caso di rumore sovrapposto al segnale, i filtri possono modificare pesantemente anche la forma del segnale La DWT si adatta perfettamente come tecnica di denoising a causa delle sue eccellenti proprietà di localizzazione DWT Thresholding IDWT Vengono messi a 0 quei valori del segnale che si trovano all’interno della fascia (-T0,T0) Seminario Wavelet martedì 16 marzo 2010 [/50] Thresholding Seminario Wavelet martedì 16 marzo 2010 Due possibili implementazioni: [/50] Thresholding Due possibili implementazioni: Hard thresholding Seminario Wavelet martedì 16 marzo 2010 [/50] Thresholding Hard thresholding Due possibili implementazioni: Soft thresholding Migliori prestazioni Seminario Wavelet martedì 16 marzo 2010 [/50] Thresholding Hard thresholding Due possibili implementazioni: Soft thresholding Migliori prestazioni I valori del rumore, con densità gaussiana, sono maggiormente concentrati attorno allo zero e quindi vengono soppressi Seminario Wavelet martedì 16 marzo 2010 [/50] Thresholding Hard thresholding Due possibili implementazioni: Soft thresholding Migliori prestazioni Seminario Wavelet martedì 16 marzo 2010 [/50] Thresholding Hard thresholding Due possibili implementazioni: Soft thresholding Migliori prestazioni L’operazione di denoising data dalla DWT associata al thresholding è, in presenza di rumore AWGN, asindoticamente ottima, cioè minimizza l’MSE Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Seminario Wavelet martedì 16 marzo 2010 [/50] Diversa implementazione: Thresholding dipendente dal livello di analisi della DWT Seminario Wavelet martedì 16 marzo 2010 [/50] Diversa implementazione: Thresholding dipendente dal livello di analisi della DWT Original image Seminario Wavelet martedì 16 marzo 2010 Noisy image Denoised image [/50] Immagine SAR simulata Seminario Wavelet martedì 16 marzo 2010 Immagine SAR despeckle [/50]