Открыть сервис
Главная → Блог → Дискретное вейвлет-преобразование

Дискретное вейвлет-преобразование

Дискретное вейвлет-преобразование (ДВП) — это математический инструмент, используемый для анализа и обработки сигналов и изображений, который разлагает исходные данные на набор вейвлет-коэффициентов, описывающих как низкочастотную (аппроксимирующую) составляющую, так и высокочастотные (детализирующие) составляющие на различных масштабах. В отличие от преобразования Фурье, которое дает только частотную информацию, ДВП сохраняет и временную (или пространственную) локализацию, что делает его эффективным для анализа нестационарных сигналов.

Принцип работы

Основой ДВП является разложение сигнала с помощью двух взаимосвязанных цифровых фильтров: низкочастотного (НЧ) и высокочастотного (ВЧ). НЧ-фильтр выделяет медленно меняющуюся часть сигнала (аппроксимацию), а ВЧ-фильтр — быстрые изменения (детали). Процесс включает три этапа:

  1. Фильтрация: сигнал пропускается через пару фильтров (например, фильтры Добеши или Хаара).
  2. Децимация: после фильтрации каждый второй отсчет отбрасывается (прореживание), что уменьшает объем данных вдвое.
  3. Рекурсия: операция повторяется для полученной низкочастотной составляющей на следующем уровне разложения.

На каждом уровне получаются коэффициенты детализации (high-pass) и аппроксимации (low-pass). Обратное преобразование (ОДВП) восстанавливает исходный сигнал путем интерполяции (вставки нулей) и повторной фильтрации, используя те же фильтры.

Математическое описание

Дискретное вейвлет-преобразование сигнала \( x[n] \) длины \( N \) (где \( N \) — степень двойки) задается через пару квадратурных зеркальных фильтров: \( h[n] \) (НЧ) и \( g[n] \) (ВЧ), связанных соотношением \( g[n] = (-1)^{1-n} h[1-n] \). На каждом уровне \( j \) коэффициенты вычисляются как:

  • Аппроксимирующие: \( a_j[k] = \sum_n x[n] \cdot h[2k-n] \)
  • Детализирующие: \( d_j[k] = \sum_n x[n] \cdot g[2k-n] \)

В матричной форме ДВП представляет собой ортогональное преобразование, сохраняющее энергию сигнала (равенство Парсеваля). Для двумерного случая (изображения) преобразование применяется раздельно по строкам и столбцам, что дает четыре поддиапазона на каждом уровне: LL (аппроксимация), LH, HL и HH (детали по горизонтали, вертикали и диагонали).

Свойства

Ключевые свойства ДВП:

  • Локальность: базисные функции (вейвлеты) локализованы во времени и частоте, что позволяет анализировать локальные особенности сигнала (скачки, импульсы).
  • Мультиразрешение: сигнал представляется на нескольких уровнях разрешения, от грубого к тонкому.
  • Ортогональность: для большинства типов вейвлетов (например, Добеши, Симлеты) преобразование является ортогональным, что упрощает обратное восстановление и обеспечивает сохранение энергии.
  • Быстрота вычислений: алгоритм Малла (пирамидальный алгоритм) имеет вычислительную сложность \( O(N) \), что быстрее, чем быстрое преобразование Фурье (\( O(N \log N) \)).

Виды вейвлетов

Выбор материнского вейвлета зависит от задачи. Наиболее распространенные семейства:

  • Хаар — простейший, кусочно-постоянный, но негладкий.
  • Добеши — ортогональные, с компактным носителем и заданным числом нулевых моментов (db2, db4 и др.).
  • Симлеты и Койфлеты — улучшенные версии Добеши с более симметричными функциями.
  • Биортогональные (например, CDF 5/3) — используются в сжатии изображений (JPEG 2000), позволяют использовать линейную фазу.

Применение

ДВП широко применяется в различных областях:

  • Сжатие данных: алгоритм JPEG 2000 использует ДВП (биортогональный фильтр CDF 5/3 для без потерь и CDF 9/7 для с потерями). Вейвлет-коэффициенты квантуются и кодируются, что позволяет достичь высокой степени сжатия без заметных артефактов.
  • Обработка изображений: шумоподавление (пороговая обработка коэффициентов), улучшение резкости, анализ текстур.
  • Медицина: анализ ЭКГ, ЭЭГ, МРТ-изображений для выявления аномалий.
  • Геофизика: анализ сейсмических данных, обработка сигналов.
  • Цифровая связь: используется в стандартах сжатия видео и аудио, а также для обнаружения ошибок.

Ограничения

К недостаткам ДВП можно отнести:

  • Чувствительность к сдвигам: небольшие сдвиги сигнала могут существенно менять значения коэффициентов (отсутствие трансляционной инвариантности).
  • Выбор вейвлета: неудачный выбор базиса может снизить эффективность преобразования.
  • Анизотропия: стандартное двумерное ДВП лучше выделяет горизонтальные и вертикальные детали, но хуже — диагональные (частично решается использованием комплексных вейвлетов или вейвлет-пакетов).

См. также

Источники

BFOmetr — база данных и аналитика по компаниям России.

На главную BFOmetr →

Похожие материалы