RU61440U1 - DEVICE FOR CALCULATING A TWO-DIMENSIONAL WAVELET TRANSFORM - Google Patents
DEVICE FOR CALCULATING A TWO-DIMENSIONAL WAVELET TRANSFORM Download PDFInfo
- Publication number
- RU61440U1 RU61440U1 RU2006131739/22U RU2006131739U RU61440U1 RU 61440 U1 RU61440 U1 RU 61440U1 RU 2006131739/22 U RU2006131739/22 U RU 2006131739/22U RU 2006131739 U RU2006131739 U RU 2006131739U RU 61440 U1 RU61440 U1 RU 61440U1
- Authority
- RU
- Russia
- Prior art keywords
- wavelet transform
- dimensional
- wavelet
- discrete
- signal
- Prior art date
Links
Landscapes
- Complex Calculations (AREA)
Abstract
Устройство относится к автоматике и вычислительной технике и может быть использовано в системах цифровой обработки двумерных сигналов, например, для анализа изображений, выявления особенностей, периодических зависимостей и локальных неоднородностей. Полезная модель направлена по получение частотно-пространственного представления двумерного сигнала с помощью вейвлет преобразования. Указанный технический результат достигается за счет последовательного применения одномерного вейвлет преобразования к строкам и столбцам матрицы, описывающей двумерный сигнал. Для этого в предлагаемое устройство добавлено три устройства быстрого вычисления дискретного вейвлет преобразования сигнала с произвольным шагом дискретизации масштабных коэффициентов, реализующих метод вычисления непрерывного вейвлет преобразования путем скалярного произведения исследуемого сигнала и базисных функций. На входы двух первых устройств вычисления вейвлет преобразования поступают дискретные выборки одномерных сигналов, представляющих собой строки и столбцы исследуемого сигнала, поступившего в первое оперативное запоминающее устройство с выхода аналогово-цифрового преобразователя. В третье устройство вычисления вейвлет преобразования поступают дискретные выборки одномерных сигналов, представляющих собой столбцы матрицы "горизонтальных" вейвлет коэффициентов, полученной на выходе первого устройства вычисления вейвлет преобразования и сохраненной во втором оперативном запоминающем устройстве. На вторые входы устройств вычисления вейвлет преобразования из постоянного запоминающего устройства поступает дискретная выборка "материнского" вейвлета. На выходах устройств вычисления вейвлет преобразования формируются дискретные отсчеты преобразованного сигнала, соответствующие "горизонтальным", "вертикальным" и "диагональным" коэффициентам вейвлет преобразования.The device relates to automation and computer technology and can be used in digital processing systems of two-dimensional signals, for example, for image analysis, identifying features, periodic dependencies and local inhomogeneities. The utility model is aimed at obtaining the frequency-spatial representation of a two-dimensional signal using wavelet transform. The specified technical result is achieved through the consistent application of the one-dimensional wavelet transform to the rows and columns of the matrix describing the two-dimensional signal. For this, three devices for the quick calculation of a discrete wavelet transform of a signal with an arbitrary step of discretization of scale coefficients implementing the method of calculating a continuous wavelet transform by means of the scalar product of the signal under study and basis functions are added to the proposed device. The inputs of the first two devices for calculating the wavelet transform receive discrete samples of one-dimensional signals, which are the rows and columns of the signal under study, received in the first random access memory from the output of the analog-to-digital converter. The third wavelet transform computation device receives discrete samples of one-dimensional signals, which are columns of the matrix of “horizontal” wavelet coefficients obtained at the output of the first wavelet transform computation device and stored in the second random access memory. At the second inputs of the wavelet transform calculation devices, a discrete sample of the "mother" wavelet is received from the read-only memory. At the outputs of the wavelet transform calculation devices, discrete samples of the converted signal corresponding to the "horizontal", "vertical" and "diagonal" wavelet transform coefficients are generated.
Description
Устройство относится к автоматике и вычислительной технике и может быть использовано в системах цифровой обработки двумерных сигналов.The device relates to automation and computer engineering and can be used in digital processing systems of two-dimensional signals.
В частности, предлагаемое устройство может быть использовано для анализа изображений, выявления особенностей, периодических зависимостей и локальных неоднородностей.In particular, the proposed device can be used to analyze images, identify features, periodic dependencies and local heterogeneities.
Известен способ последовательно-параллельного вейвлет преобразования [Авторское свидетельство RU №2249850, МПК 7 G 06 F 17/14, БИ №10, 2005], заключающийся в использовании пары фильтров для вейвлет разложения исходного сигнала, заданного в дискретные отсчеты времени (схема Малла).A known method of series-parallel wavelet transform [Copyright certificate RU No. 22489850, IPC 7 G 06 F 17/14, BI No. 10, 2005], which consists in using a pair of filters for wavelet decomposition of the original signal specified in discrete time samples (Mall scheme) .
Недостатком способа является необходимость наличия пары фильтров ψατ(t) и φατ(t) для осуществления вейвлет преобразования, тогда как скейлинг функция φ присуща, как правило, только ортогональным вейвлетам. Базисы на основе непрерывных вейвлетов, как правило, не являются строго ортонормированными, а зачастую применяются базисы, обладающие только свойствами устойчивости и "приблизительной" ортогональности [1].The disadvantage of this method is the need for a pair of filters ψ ατ (t) and φ ατ (t) to implement the wavelet transform, while the scaling function φ is inherent, as a rule, only to orthogonal wavelets. Bases based on continuous wavelets, as a rule, are not strictly orthonormal, and bases with only stability and “approximate” orthogonality properties are often used [1].
Известно устройство быстрого вычисления дискретного вейвлет преобразования сигнала с произвольным шагом дискретизации масштабных коэффициентов [Авторское свидетельство RU №2246132, МПК 7 G 06 F 17/14, БИ №4, 2005], основанное на использовании метода вычисления непрерывного вейвлет преобразования путем скалярного произведения исследуемого сигнала s(t) и базисных функций ψατ(t):A device for the quick calculation of a discrete wavelet transform of a signal with an arbitrary step of discretization of scale factors [Copyright certificate RU No. 2246132, IPC 7 G 06 F 17/14, BI No. 4, 2005], based on the method of calculating a continuous wavelet transform by means of the scalar product of the signal under study s (t) and basis functions ψ ατ (t):
Это устройство выбрано в качестве прототипа.This device is selected as a prototype.
Техническим результатом предлагаемого устройства, реализующего способ быстрого вычисления дискретного вейвлет преобразования с произвольным шагом дискретизации масштабных коэффициентов, является расширение возможностей устройства до возможности получения коэффициентов вейвлет преобразования двумерных сигналов.The technical result of the proposed device that implements a method for quickly calculating a discrete wavelet transform with an arbitrary step of sampling scale factors is to expand the capabilities of the device to the possibility of obtaining wavelet transform coefficients of two-dimensional signals.
Указанный технический результат достигается за счет последовательного применения одномерного вейвлет преобразования к строкам и столбцам The specified technical result is achieved through the consistent application of the one-dimensional wavelet transform to rows and columns
матрицы, описывающей двумерный сигнал.matrix describing a two-dimensional signal.
Изображения относятся к классу нестационарных сигналов и зачастую некоторые их особенности не заметны в пространственном представлении. Вейвлет преобразование позволяет получить частотно-пространственное представление изображения, в котором и проявляется информация об особенностях сигнала [5].Images belong to the class of non-stationary signals and often some of their features are not noticeable in the spatial representation. Wavelet transform allows you to get the frequency-spatial representation of the image, in which information about the features of the signal appears [5].
При анализе двумерных сигналов, выявлении особенностей, периодических зависимостей, локальных возмущений необходимо только получение вейвлет образа, выполнять обратное вейвлет преобразование не требуется. Для этих целей наиболее подходящим является применение непрерывного вейвлет преобразования с произвольным выбором масштабного коэффициента [4]. Под непрерывным вейвлет преобразованием следует понимать аналог этого преобразования для дискретных сигналов, поскольку предполагается, что двумерный сигнал задан с помощью матрицы его мгновенных значений.When analyzing two-dimensional signals, identifying features, periodic dependencies, local disturbances, it is only necessary to obtain a wavelet image; the reverse wavelet transform is not required. For these purposes, the most suitable is the use of a continuous wavelet transform with an arbitrary choice of the scale factor [4]. A continuous wavelet transform should be understood as an analogue of this transform for discrete signals, since it is assumed that a two-dimensional signal is specified using a matrix of its instantaneous values.
Вейвлет преобразования двумерного сигнала можно провести по строкам и столбцам двумерного массива, соответствующим, например, горизонтальному и вертикальному направлениям на изображении, при этом горизонтальные и вертикальные края объектов изображения будут проявляться в соответствующих наборах вейвлет коэффициентов [2]. В данном случае возможно применение одномерного вейвлета, используемого последовательно для свертки со строками и столбцами двумерного сигнала, с целью получения "горизонтальных" и "вертикальных" коэффициентов двумерного вейвлет преобразования. "Диагональные" вейвлет коэффициенты формируются в результате последовательной свертки столбцов матрицы "горизонтальных" вейвлет коэффициентов с тем же вейвлетом [3].A wavelet transform of a two-dimensional signal can be performed along the rows and columns of a two-dimensional array, corresponding, for example, to the horizontal and vertical directions in the image, while the horizontal and vertical edges of the image objects will appear in the corresponding sets of wavelet coefficients [2]. In this case, it is possible to use a one-dimensional wavelet, used sequentially for convolution with the rows and columns of a two-dimensional signal, in order to obtain the "horizontal" and "vertical" coefficients of the two-dimensional wavelet transform. "Diagonal" wavelet coefficients are formed as a result of sequential convolution of the columns of the matrix of "horizontal" wavelet coefficients with the same wavelet [3].
На фигуре представлена схема предлагаемого устройства. Устройство состоит из аналогово-цифрового преобразователя (АЦП) - блок 1, двух оперативных запоминающих устройств (ОЗУ) - блоки 2 и 3, постоянного запоминающего устройства (ПЗУ) - блок 4 и трех устройств быстрого вычисления дискретного вейвлет преобразования сигнала с произвольным шагом дискретизации масштабных коэффициентов (УВП) - блоки 5-7.The figure shows a diagram of the proposed device. The device consists of an analog-to-digital converter (ADC) - block 1, two random-access memory (RAM) - blocks 2 and 3, read-only memory (ROM) - block 4 and three devices for quickly calculating a discrete wavelet signal conversion with an arbitrary large-scale sampling step coefficients (UVP) - blocks 5-7.
Принцип работы предлагаемого устройства заключается в следующем. Анализируемый двумерный сигнал s(t1, t2) поступает на вход АЦП (блок 1), с выхода которого дискретная выборка s(n1, n2) размером N1×N2 отсчетов поступает в ОЗУ 1 (блок 2).The principle of operation of the proposed device is as follows. The analyzed two-dimensional signal s (t 1 , t 2 ) is fed to the ADC input (block 1), from the output of which a discrete sample s (n 1 , n 2 ) of size N 1 × N 2 samples goes to RAM 1 (block 2).
Из ПЗУ (блок 4) дискретная выборка "материнского" вейвлета ψ(k) поступает From the ROM (block 4), a discrete sample of the “mother” wavelet ψ (k) arrives
на первые входы УВП (блоки 5-7). На вторые входы первого и второго УВП (блоки 5 и 6) с выходов ОЗУ 1 поступают одномерные сигналы, представляющие собой соответственно строки s(ni, j) и столбцы s(i, nj) двумерного сигнала s(n1, n2). На выходах этих устройств формируются дискретные отсчеты преобразованного сигнала s(n1, n2), представляющие собой соответственно "горизонтальные" s'h(n1, n2) и "вертикальные" s'v(n1, n2) вейвлет коэффициенты.to the first inputs of the UVP (blocks 5-7). The second inputs of the first and second UVP (blocks 5 and 6) from the outputs of RAM 1 receive one-dimensional signals, which are, respectively, rows s (n i , j) and columns s (i, n j ) of the two-dimensional signal s (n 1 , n 2 ) At the outputs of these devices, discrete samples of the converted signal s (n 1 , n 2 ) are formed, which are, respectively, “horizontal” s ' h (n 1 , n 2 ) and “vertical” s' v (n 1 , n 2 ) wavelet coefficients .
С выхода первого УВП (блок 5) дискретные отсчеты преобразованного сигнала поступают на вход ОЗУ 2 (блок 3), с выхода которого, одномерные сигналы, представляющие собой столбцы матрицы "горизонтальных" вейвлет коэффициентов s'h(i, nj) поступают на второй вход третьего УВП (блок 7), на выходе которого формируются дискретные отсчеты преобразованного сигнала s(n1, n2), представляющие собой "диагональные" s'd(n1, n2) вейвлет коэффициенты.From the output of the first UVP (block 5), discrete samples of the converted signal are fed to the input of RAM 2 (block 3), from the output of which, one-dimensional signals, which are columns of the matrix of "horizontal" wavelet coefficients s' h (i, n j ), are fed to the second the input of the third UVP (block 7), at the output of which discrete samples of the converted signal s (n 1 , n 2 ) are formed, which are the "diagonal"s' d (n 1 , n 2 ) wavelet coefficients.
Источники информацииInformation sources
1. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет преобразования. - С.-Пб.: ВУС, 1999. - 204 с.1. Vorobiev V.I., Gribunin V.G. Theory and practice of wavelet transform. - S.-Pb .: VUS, 1999 .-- 204 p.
2. Добеши И. Десять лекций по вейвлетам. - Ижевск: НИЦ "Регулярная и хаотическая динамика", 2001. - 464 с.2. Finish I. Ten lectures on wavelets. - Izhevsk: Research Center "Regular and chaotic dynamics", 2001. - 464 p.
3. Малла С. Вэйвлеты в обработке сигналов: Пер. с англ. - М.: Мир, 2005. - 671 с., ил.3. Malla S. Wavelets in signal processing: Trans. from English - M .: Mir, 2005 .-- 671 p., Ill.
4. Переберин А.В. О систематизации вейвлет преобразований // Вычислительные методы и программирование. -2001 г. - Т.2. - С.15-404. Pereberin A.V. On the systematization of wavelet transforms // Computational methods and programming. 2001 - T.2. - S.15-40
5. Поликар Р. Введение в вейвлет преобразование: Пер. с англ. Грибунин В.Г. - С.-Пб.: АВТЭКС, 2002. - 59 с.5. Polikar R. Introduction to wavelet transform: Trans. from English Gribunin V.G. - S.-Pb .: AVTEX, 2002 .-- 59 p.
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2006131739/22U RU61440U1 (en) | 2006-09-04 | 2006-09-04 | DEVICE FOR CALCULATING A TWO-DIMENSIONAL WAVELET TRANSFORM |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2006131739/22U RU61440U1 (en) | 2006-09-04 | 2006-09-04 | DEVICE FOR CALCULATING A TWO-DIMENSIONAL WAVELET TRANSFORM |
Publications (1)
Publication Number | Publication Date |
---|---|
RU61440U1 true RU61440U1 (en) | 2007-02-27 |
Family
ID=37991211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2006131739/22U RU61440U1 (en) | 2006-09-04 | 2006-09-04 | DEVICE FOR CALCULATING A TWO-DIMENSIONAL WAVELET TRANSFORM |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU61440U1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2716697C1 (en) * | 2019-05-08 | 2020-03-16 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Поволжский государственный университет телекоммуникаций и информатики" | Decorrelation method of network traffic |
CN113933038A (en) * | 2021-10-11 | 2022-01-14 | 国网山东省电力公司菏泽供电公司 | GIS mechanical performance monitoring method based on multi-source information fusion algorithm |
-
2006
- 2006-09-04 RU RU2006131739/22U patent/RU61440U1/en not_active IP Right Cessation
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2716697C1 (en) * | 2019-05-08 | 2020-03-16 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Поволжский государственный университет телекоммуникаций и информатики" | Decorrelation method of network traffic |
CN113933038A (en) * | 2021-10-11 | 2022-01-14 | 国网山东省电力公司菏泽供电公司 | GIS mechanical performance monitoring method based on multi-source information fusion algorithm |
CN113933038B (en) * | 2021-10-11 | 2023-11-17 | 国网山东省电力公司菏泽供电公司 | GIS mechanical performance monitoring method based on multisource information fusion algorithm |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Grassi et al. | A time-vertex signal processing framework: Scalable processing and meaningful representations for time-series on graphs | |
Chakrabarti et al. | Efficient realizations of the discrete and continuous wavelet transforms: From single chip implementations to mappings on SIMD array computers | |
Nguyen et al. | Downsampling of signals on graphs via maximum spanning trees | |
CN103106903B (en) | Single channel blind source separation method | |
Zibulevsky et al. | Extraction of a source from multichannel data using sparse decomposition | |
Gao et al. | From fourier transform to wavelet transform: A historical perspective | |
CN104779960B (en) | A kind of signal reconfiguring method perceived based on splits' positions | |
Mohapatra et al. | FFT and sparse FFT techniques and applications | |
Salajegheh et al. | Time history dynamic analysis of structures using filter banks and wavelet transforms | |
Andrews et al. | Outer product expansions and their uses in digital image processing | |
Polanco-Martínez et al. | Package W2CWM2C: description, features, and applications | |
Bayındır | Compressive split-step Fourier method | |
RU61440U1 (en) | DEVICE FOR CALCULATING A TWO-DIMENSIONAL WAVELET TRANSFORM | |
Cho et al. | Application of wavelet analysis to ecological data | |
Katzberg et al. | Spatial interpolation of room impulse responses using compressed sensing | |
Félix et al. | Multiresolution analysis based on Mallat pyramidal algorithm applied to GPR data | |
RU60242U1 (en) | DEVICE FOR CALCULATING A CONTINUOUS TWO-DIMENSIONAL WAVELET TRANSFORM WITH AN ARBITRARY FILTER ANGLE | |
RU61441U1 (en) | DEVICE FILTERING FEATURES OF THE IMAGE BASED ON CONTINUOUS WAVELET TRANSFORM | |
CN113820662A (en) | Sound source direction positioning detection method | |
Lo et al. | Real-time implementation of the split-radix FFT–An algorithm to efficiently construct local butterfly modules | |
Borup et al. | Beyond coherence: Recovering structured time–frequency representations | |
Ahsan et al. | VHDL modelling of fixed-point DWT for the purpose of EMG signal denoising | |
Bantikyan | Implementation of parallel fast Hartley transform (FHT) using Cuda | |
Hao et al. | Data compression based on compressed sensing and wavelet transform | |
Aldroubi et al. | New Trends in Applied Harmonic Analysis, Volume 2: Harmonic Analysis, Geometric Measure Theory, and Applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM1K | Utility model has become invalid (non-payment of fees) |
Effective date: 20070905 |