Podstawy teorii falek (Wavelets)

Podobne dokumenty
Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

Wykład z Podstaw matematyki dla studentów Inżynierii Środowiska. Wykład 8. CAŁKI NIEOZNACZONE. ( x) 2 cos2x

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Statystyka. Zmienne losowe

Laboratorium ochrony danych

Natalia Nehrebecka. Zajęcia 3

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.

I. Elementy analizy matematycznej

Programowanie Równoległe i Rozproszone


BADANIA CHARAKTERYSTYK HYDRAULICZNYCH KSZTAŁTEK WENTYLACYJNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Komputer kwantowy Zasady funkcjonowania. Dr hab. inż. Krzysztof Giaro Politechnika Gdańska Wydział ETI

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH

7. Wykład VII: Warunki Kuhna-Tuckera

Diagonalizacja macierzy kwadratowej

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

architektura komputerów w. 3 Arytmetyka komputerów

1. Relacja preferencji

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel,

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

FALKOWA, WIELOROZDZIELCZA ANALIZA SIATEK POWIERZCHNI

Sztuczne sieci neuronowe

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. Strona 1

Badania operacyjne w logistyce i zarządzaniu produkcją

OGÓLNE PODSTAWY SPEKTROSKOPII

Temat 13. Rozszerzalność cieplna i przewodnictwo cieplne ciał stałych.

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

CAŁKOWANIE NUMERYCZNE całki pojedyncze

Bryła fotometryczna i krzywa światłości.

METODA ELEMENTU SKOŃCZONEGO. Termokinetyka

Plan wykładu. Sztuczne sieci neuronowe. Neuronu dyskretny. Neuron dyskretny (perceptron prosty)

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Metody symulacji w nanostrukturach (III - IS)

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Regresja liniowa i nieliniowa

9. Rozmyte systemy z bazami wiedzy

α i = n i /n β i = V i /V α i = β i γ i = m i /m

Statystyka Inżynierska

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Podstawy robotyki. Wykład II. Robert Muszyński Janusz Jakubiak Instytut Informatyki, Automatyki i Robotyki Politechnika Wrocławska

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Pattern Classification

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra

Metody Przetwarzania Danych Meteorologicznych Ćwiczenia 14

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha Warszawa Dnia 03 czerwca 2009 r.

Natalia Nehrebecka. Zajęcia 4

STANDARDOWE TECHNIKI KOMPRESJI SYGNAŁÓW

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Analiza danych OGÓLNY SCHEMAT. Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

Statystyka Opisowa 2014 część 1. Katarzyna Lubnauer

SZTUCZNA INTELIGENCJA

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

2. STOPIEŃ KINEMATYCZNEJ NIEWYZNACZALNOŚCI

SZTUCZNA INTELIGENCJA

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO

Wstęp do Modelu Standardowego

5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE

Akwizycja i przetwarzanie sygnałów cyfrowych

Symetrie i struktury ciała stałego - W. Sikora







Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Prawdopodobieństwo geometryczne

Siła jest przyczyną przyspieszenia. Siła jest wektorem. Siła wypadkowa jest sumą wektorową działających sił.

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

PODSTAWY MATEMATYCZNE

dy dx stąd w przybliżeniu: y

p Z(G). (G : Z({x i })),

f(x, y) = arctg x y. f(u) = arctg(u), u(x, y) = x y. x = 1 1 y = y y = 1 1 +

Fizyka cząstek elementarnych

Transkrypt:

Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc Normalzaca bazy Algorytmy przykłady rozkładów Obraz () (sygnał) () 9 7 3 5 Bezpośredn zaps obrazu - [9, 7, 3, 5]. nny zaps obrazu - lnowa kombnaca współczynnków (lczb) zestawu pewnych funkc, zwanych bazą. Pytana: Jak określć współczynnk? Jak wybrać funkce bazy? Na obraz można sporzeć nacze. Obraz Rozdzelczość Średne Współczynnk Posługuąc sę zapsem obrazu w postac [6,,, -] można odtworzyć obraz perwotny z: 9 7 3 5 --- rozdzelczoścą -borąc edyne współczynnk 6, - 6 nny zaps obrazu - [6,,, -]. rozdzelczoścą -borąc współczynnk 6, 6 + 6-6 + 6 - + - +(-) -(-) 9 7 3 5 rozdzelczoścą -borąc cały wektor [6,,, -], + 9 -(-) 5-7 + (-) 3 3

.. Baza Haara w przestrzen -D Funkce stałe na podprzedzałach odcnka [, ) Funkce stałe na odcnku [, ) V -zbór funkc stałych na odcnku [, ) (przestrzeń wektorowa) Funkce stałe na przedzałach [, /), [/, ) V / -zbór funkc (przestrzeń wektorowa) V V 5 V... -zbór funkc (przestrzeń wektorowa) V V V... V... Baza w przestrzen wektorowe V... Defnca: Zbór v,v,... elementów przestrzen V est lnowo nezależny eżel, gdy c, c,... są stałym to c v + c v +... c + c +... Zbór v,v,... lnowo nezależnych elementów przestrzen V nazywamy bazą te przestrzen. 6 Defnca : Funkcą skaluącą, nazywamy funkcę gdze F ( ) F( ),,..., F ( ) < w.p.p. Wdać, że odpowada za przesunęce, za skalowane. Przykład : -Baza w przestrzen V (bo base), F () F () / / F () () / F 3... loczyn skalarny w przestrzen V Defnca 3: Jeżel, funkce f g są elementam przestrzen V, to lczbę ( ) g( )d f g f nazywamy loczynem skalarnym funkc f g Defnca : Jeżel, f g, to mówmy, że funkce f g są ortogonalne w V. Defnca 5: Dopełnenem ortogonalnym W przestrzen V, w przestrzen V +, nazywamy zbór wszystkch funkc z V +, które są ortogonalne do wszystkch funkc z V. / 7

V + V < f g > W Defnca 6: Zbór lnowo nezależnych funkc (bazę) w W, nazywamy falkam (wavelets). Falk Przykład : V V f() / g() / dowolny element przestrzen V element przestrzen W (element V, dla którego <f g> ) 9 V + V < f g > Podstawowe własnośc falek: W Baza (falk) z W, łączne z bazą z V tworzą bazę w V +. Każda funkca bazy z W (falka), est ortogonalna do każde funkc z V...3. Baza zwązana z funkcą skaluącą Φ (falk Haara) Defnca 7: Falk Haara gdze Y ( ) Y( ),,..., Y ( ) - Ψ() < / / < w.p.p. / Falka - matka (mather wavlet) Przykład 3: ( ) falka Haara w W ( W V ) Ψ() - / ( ) falk Haara w W ( W V ) Y () Y () / / - - ( ) Y ( ) ( ) Y ( ) Y ( ) Y ( ) Y Y 3

Przykład : Obraz () (sygnał) () 9 7 3 5 Obraz () można zapsać ako kombnacę lnową współczynnków funkc pewne bazy na różne sposoby: Przypadek : kombnaca funkc bazy w V (bo base) 9 + 3 + 7 + 5 ( ) 9 F ( ) + 7 F ( ) + 3 F ( ) + 5 ( ) F 3 3 Przypadek : kombnaca funkc bazy w V W () 9 7 3 5 ( ) F ( ) + F ( ) + Y ( ) Y ( ) + - Przypadek 3: kombnaca funkc bazy w V, W W () 9 7 3 5 6 + - Baza Haara w V. Algorytmy rozkładana funkc.. Znormalzowana baza Haara Funkce bazy Haarra należy znormalzować, czyl pomnożyć przez współczynnk, aby funkce bazy spełnały warunek u u gdze u est funkcą bazy Harra. Normalzaca może być zrobona tak F Y / ( ) F( ) / ( ) Y( ) ( ) 6 F ( ) + Y ( ) + Y ( ) ( ) Y 5 Stała / zapewna spełnene warunku normalzuącego. 6

Funkce znormalzowane bazy Haara w V rozkład obrazu () wyglądaą następuąco:.. Algorytm rozkładu funkc (obrazu) () dla znormalzowane bazy Haara Baza Haara w V () 9 7 3 5 ( ) 6,,, 7 Współczynnk rozkładu dla znormalzowane bazy Haara wylcza sę według bardzo prostego algorytmu. proc Decomposton_Step(: array[,...,h]) for to h/ do ( h + ) : ( ) ( ) endfor : endprocedure ( ) : [ ( ) + ( ) ] [ ] proc Decomposton(: array[,...,h]) : h whleh> do Decomposton_Step([,...,h]) h : h endwhle endprocedure Przykład 5: [ 9, 7, 3, 5] h, h : [ 9, 7, 3, 5 ] perwsze wywołane procedury Decomposton_Step h [ ] () : () + ( ) ( 3) : [ () ( ) ] 6 () () : () [ ] ( ) : ( 3) + ( ) 9 7 3 5 9 ( ) : [ ( 3) ( ) ] 5

6 wynk: [ ],,, : druge wywołane procedury Decomposton_Step h () () ( ) [ ] ( ) () ( ) [ ] : 6 : + + wynk:,, 6, :