Ефективні методи фільтрації-стиску сигналів і зображень у задачах визначення інформаційних станів об’єктів тривалого моніторингу

На основі аналізу вимог отримання достовірних даних та дослідження характерних похибок відомих методів фільтрації сигналів та зображень запропонований ефективний метод фільтрації-стиску сигналів, який враховує інформацію про вхідне співвідношення сигнал/шум. The effective method of filtration-compre...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2007
Hauptverfasser:	Шевчук, Б.М., Потапенко, А.Ф., Чумакова, Н.Ф.
Format:	Artikel
Sprache:	Russian
Veröffentlicht:	Інститут кібернетики ім. В.М. Глушкова НАН України 2007
Online Zugang:	https://nasplib.isofts.kiev.ua/handle/123456789/6478
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Ефективні методи фільтрації-стиску сигналів і зображень у задачах визначення інформаційних станів об’єктів тривалого моніторингу / Б.М. Шевчук, А.Ф. Потапенко, Н.Ф. Чумакова // Комп’ютерні засоби, мережі та системи. — 2007. — № 6. — С. 96-103. — Бібліогр.: 17 назв. — укр.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	nasplib_isofts_kiev_ua-123456789-6478
record_format	dspace
spelling	Шевчук, Б.М. Потапенко, А.Ф. Чумакова, Н.Ф. 2010-03-04T14:27:49Z 2010-03-04T14:27:49Z 2007 Ефективні методи фільтрації-стиску сигналів і зображень у задачах визначення інформаційних станів об’єктів тривалого моніторингу / Б.М. Шевчук, А.Ф. Потапенко, Н.Ф. Чумакова // Комп’ютерні засоби, мережі та системи. — 2007. — № 6. — С. 96-103. — Бібліогр.: 17 назв. — укр. 1817-9908 https://nasplib.isofts.kiev.ua/handle/123456789/6478 621.377 На основі аналізу вимог отримання достовірних даних та дослідження характерних похибок відомих методів фільтрації сигналів та зображень запропонований ефективний метод фільтрації-стиску сигналів, який враховує інформацію про вхідне співвідношення сигнал/шум. The effective method of filtration-compression of signals and images is offered on accuracy and speed. The method considers input signal to noise ratio information. ru Інститут кібернетики ім. В.М. Глушкова НАН України Ефективні методи фільтрації-стиску сигналів і зображень у задачах визначення інформаційних станів об’єктів тривалого моніторингу Effective methods of the signals and images filtration and compaction in the problems\tasks of identifying informational states of the long-term monitoring objects Article published earlier
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
title	Ефективні методи фільтрації-стиску сигналів і зображень у задачах визначення інформаційних станів об’єктів тривалого моніторингу
spellingShingle	Ефективні методи фільтрації-стиску сигналів і зображень у задачах визначення інформаційних станів об’єктів тривалого моніторингу Шевчук, Б.М. Потапенко, А.Ф. Чумакова, Н.Ф.
title_short	Ефективні методи фільтрації-стиску сигналів і зображень у задачах визначення інформаційних станів об’єктів тривалого моніторингу
title_full	Ефективні методи фільтрації-стиску сигналів і зображень у задачах визначення інформаційних станів об’єктів тривалого моніторингу
title_fullStr	Ефективні методи фільтрації-стиску сигналів і зображень у задачах визначення інформаційних станів об’єктів тривалого моніторингу
title_full_unstemmed	Ефективні методи фільтрації-стиску сигналів і зображень у задачах визначення інформаційних станів об’єктів тривалого моніторингу
title_sort	ефективні методи фільтрації-стиску сигналів і зображень у задачах визначення інформаційних станів об’єктів тривалого моніторингу
author	Шевчук, Б.М. Потапенко, А.Ф. Чумакова, Н.Ф.
author_facet	Шевчук, Б.М. Потапенко, А.Ф. Чумакова, Н.Ф.
publishDate	2007
language	Russian
publisher	Інститут кібернетики ім. В.М. Глушкова НАН України
format	Article
title_alt	Effective methods of the signals and images filtration and compaction in the problems\tasks of identifying informational states of the long-term monitoring objects
description	На основі аналізу вимог отримання достовірних даних та дослідження характерних похибок відомих методів фільтрації сигналів та зображень запропонований ефективний метод фільтрації-стиску сигналів, який враховує інформацію про вхідне співвідношення сигнал/шум. The effective method of filtration-compression of signals and images is offered on accuracy and speed. The method considers input signal to noise ratio information.
issn	1817-9908
url	https://nasplib.isofts.kiev.ua/handle/123456789/6478
citation_txt	Ефективні методи фільтрації-стиску сигналів і зображень у задачах визначення інформаційних станів об’єктів тривалого моніторингу / Б.М. Шевчук, А.Ф. Потапенко, Н.Ф. Чумакова // Комп’ютерні засоби, мережі та системи. — 2007. — № 6. — С. 96-103. — Бібліогр.: 17 назв. — укр.
work_keys_str_mv	AT ševčukbm efektivnímetodifílʹtracíístiskusignalívízobraženʹuzadačahviznačennâínformacíinihstanívobêktívtrivalogomonítoringu AT potapenkoaf efektivnímetodifílʹtracíístiskusignalívízobraženʹuzadačahviznačennâínformacíinihstanívobêktívtrivalogomonítoringu AT čumakovanf efektivnímetodifílʹtracíístiskusignalívízobraženʹuzadačahviznačennâínformacíinihstanívobêktívtrivalogomonítoringu AT ševčukbm effectivemethodsofthesignalsandimagesfiltrationandcompactionintheproblemstasksofidentifyinginformationalstatesofthelongtermmonitoringobjects AT potapenkoaf effectivemethodsofthesignalsandimagesfiltrationandcompactionintheproblemstasksofidentifyinginformationalstatesofthelongtermmonitoringobjects AT čumakovanf effectivemethodsofthesignalsandimagesfiltrationandcompactionintheproblemstasksofidentifyinginformationalstatesofthelongtermmonitoringobjects
first_indexed	2025-11-26T20:58:20Z
last_indexed	2025-11-26T20:58:20Z
_version_	1850775101750902784
fulltext	Комп’ютерні засоби, мережі та системи. 2007, № 6 96 B.M. Shevchuk, A.F. Potapenko, N.F. Chumakova EFFECTIVE METHODS OF THE SIGNALS AND IMAGES FILTRATION AND COMPACTION IN THE PROBLEMS\TASKS OF IDENTIFYING INFORMATIONAL STATES OF THE LONG-TERM MONITORING OBJECTS The effective method of filtration- compression of signals and images is offered on accuracy and speed. The method considers input signal to noise ratio information. На основі аналізу вимог отриман- ня достовірних даних та дослі- дження характерних похибок ві- домих методів фільтрації сигна- лів та зображень запропонований ефективний метод фільтрації- стиску сигналів, який враховує інформацію про вхідне співвідно- шення сигнал/шум.  Б.М. Шевчук, А.Ф. Потапенко, Н.Ф. Чумакова, 2007 УДК 621.377 Б.М. ШЕВЧУК, А.Ф. ПОТАПЕНКО, Н.Ф. ЧУМАКОВА ЕФЕКТИВНІ МЕТОДИ ФІЛЬТРАЦІЇ- СТИСКУ СИГНАЛІВ І ЗОБРАЖЕНЬ У ЗАДАЧАХ ВИЗНАЧЕННЯ ІНФОРМАЦІЙНИХ СТАНІВ ОБ’ЄКТІВ ТРИВАЛОГО МОНІТОРИНГУ Вступ. Для широкого використання засобів дистанційного моніторингу станів об’єктів різної природи актуальною проблемою є ро- зробка оптимізованих за точністю і швидко- дією методів фільтрації і стиску сигналів та зображень, які орієнтовані на використання сигнальних процесорів, ПЛІС, мікроконт- ролерів. При побудові об’єктових терміналів і абонентських систем мережі дистанційного моніторингу станів об’єктів важливо з міні- мальними спотвореннями організувати відбір інформативних сигналів та організувати опе- ративну обробку аналогових даних для їх компактного кодування і передачі по мере- жах зв’язку. Серед методів оперативної філь- трації і стиску сигналів та зображень широке розповсюдження отримала обробка даних на основі вейвлет- та Фур’є-перетворень [15], цифрова фільтрація [6, 7], фільтрації і стиск з використанням швидких методів спектраль- ного відображення сигналів [8], медіанна фі- льтрація [911], сплайн-фільтрація і стиск [1214]. Внаслідок фільтрації аналогових сигналів отримуємо вихідний сигнал, огина- юча якого має відновлюватись з максималь- ною точністю після операцій стиску, збері- гання і передачі інформації та відновлення двійкових відліків відфільтрованого сигналу. При цьому коефіцієнт стиску даних суттєво залежить від динамічних характеристик оги- наючої сигналу, тому операції фільтрації і стиску сигналів доцільно розглядати як спі- льний процес "фільтрації-стиску". ЕФЕКТИВНІ МЕТОДИ ФІЛЬТРАЦІЇ-СТИСКУ СИГНАЛІВ І ЗОБРАЖЕНЬ У ЗАДАЧАХ ВИЗНАЧЕННЯ … Комп’ютерні засоби, мережі та системи. 2007, № 6 97 На практиці при виконанні фільтрації сигналів виникають спотворен- ня огинаючої вихідного сигналу і на ділянках з завадами ці спотворення переважно є неконтрольованими. Оскільки сигнали є первинним інформаційним відображенням станів об’єктів тривалого моніторингу (ОТМ), особливо коли об’єкти перебувають у критичних та динамічних станах, значні спотворення ді- лянок сигналів можуть трактуватись дослідниками як інформативні зміни станів об’єктів. Тому в роботі, на основі аналізу умов отримання достовірних даних в процесі відбору інформації від ОТМ, а також шляхом дослідження функціона- льних характеристик, швидкодії і похибок відомих методів фільтрації і стиску сигналів та зображень запропонований новий ефективний адаптивний метод фі- льтрації-стиску сигналів, який враховує інформацію про вхідне співвідношення сигнал/шум [с/ш]вх та поточні динамічні характеристики відрізків сигналів. Вимоги до способів отримання достовірних даних. Ефективне функціону- вання моніторингових мереж досягається за рахунок оптимізації формування первинних інформаційних потоків безпосередньо в місцях їх виникнення. Вна- слідок дотримання умов відбору інформативних даних та організації оператив- ної обробки сигналів та зображень безпосередньо на об’єктах здійснюється за- вантаження каналів зв’язку та засобів накопичення даних пристроїв і систем до- стовірною і компактною інформацією. У роботі [15] показано, що первинні ін- формаційні потоки суттєво залежать від вимог до метрологічних характеристик апаратури підсилення, аналогової фільтрації і аналого-кодового перетворення сигналів. Зменшення інформаційних потоків без втрат за точністю відновлення огинаючої кривої сигналів вимагає використання складних та дорогих ФНЧ, АЦП та ускладнених методів цифрової фільтрації, стиску інформації та апрок- симації відліків сигналів. Це пов’язано з тим, що частота опиту сигналів є функ- цією багатьох параметрів. Для багатоканального пристрою введення і перетво- рення інформації можна записати такий вираз:  , , , , , , , , ,k m m m m m m m m оп max ф max min max sf f k f K P n A A q  де k опf – частота опиту k-канального АЦП; max mf – максимальна частота m-го сиг- налу з найбільш високочастотною складовою; m фK – коефіцієнт степеня підви- щення частоти дискретизації m-го сигналу в залежності від типу mP і порядку mn ФНЧ, значення розмаху пульсацій max mA у смузі пропускання ФНЧ та зна- чення подавлення min mA сигналу в смузі подавлення ФНЧ; max mq – максимальна кількість двійкових біт при кодуванні m-го сигналу; m s ≈ δm пі + δm п + δm ФНЧ + +δm АЦП + δm а, δ m s – сумарна відносна похибка всього тракту введення та обробки інформації m-го каналу; δm пі – похибка первинного перетворювача інформації m-го каналу; δm п – похибка засобів підсилення m-го сигналу; δm ФНЧ – похибка ФНЧ; δm АЦП – похибка АЦП; δm а – похибка способу апроксимації у процесі від- новлення огинаючої m-го сигналу. Б.М. Шевчук, А.Ф. Потапенко, Н.Ф. Чумакова Комп’ютерні засоби, мережі та системи. 2007, № 6 98 Таким чином за точну і достовірну інформацію про амплітудо-частотні та фазові характеристики сигналів, які підлягають тривалому контролю, необхідно "платити" формуванням суттєво підвищених інформаційних потоків, точними та складними первинними апаратними засобами. Дослідження показали, що в порі- внянні з частотою дискретизації по Котельникову, коли max 2 оп f f , на практиці величину опf необхідно вибирати в ф K разів більшою, де 8 ф K  [15]. З метою виявлення, класифікації та відображення ділянок сигналів з різним [с/ш]вх в процесі фільтрації і стиску сигналів доцільно визначати та компактно кодувати ділянки сигналів з різним рівнем високочастотних шумів. Опосередко- вано якість введених даних, степінь їх "зашумленості" можливо проконтролюва- ти за рівнем високочастотних шумів та дрейфу ізолінії. При цьому на ділянках де спостерігаються великі шуми, після фільтрації слід очікувати спотворення форми кривої. Тому на цих ділянках доцільно використовувати спрощені та швидкодіючі методи фільтрації, а для зменшення інформаційних потоків відліки вихідного сигналу доцільно кодувати більш стисло, тобто меншою кількістю біт. Найпростішим і швидким способом визначення степені зашумленості ділянок сигналів є обчислення поточної різниці 1 1 1 1 ш ш ш i i i X X X    між сусідніми відлі- ками вхідного (зашумленого) сигналу, а шляхом порівняння величини 1ш i X з відповідними пороговими величинами P1, P2,…,Ps визначається поточний стан зашумленості ділянки сигналу, де s – кількість станів. Більш точніше степінь зашумленості відліків сигналів визначається шляхом порівняння величи- ни 2ш ш ф i i i X X X   з відносними величинами відфільтрованого відліку ф i X . При- кладом класифікації станів зашумленості сигналів є визначення таких чоти- рьох станів: "11" – суттєво зашумлена ділянка ( 2 1 1 , 4 ш ф i i X P P X   ) ; "10" – зашум- лена ділянка ( 2 2 1 2 , 8 ш ф i i P X P P X    ); "01" – менш зашумлена ділянка ( 2 3 2 3 , 16 ш ф i i P X P P X    ); "00" – практично чиста ділянка ( 2 4 3 4 , 32 ш ф i i P X P P X    ). Таким чином на етапі введення і первинної фільтрації сигналів визначаються ділянки, які кодуються різною достовірною кількістю біт ([ / ] ) д вх q f с ш . У наведеному прикладі відліки ділянки з кодом [с/ш]вх "11" кодуються з qд = 7 – 8 біт; ділянці з кодом "10" – відповідають qд = 8 – 9 біт; ділянці з кодом "01" – відповідають qд = 9 – 10 біт; ділянці з кодом "00" – qд = 11 – 12 біт. Проаналізуємо цифрову фільтрацію сигналів і зображень з єдиних позицій, тобто з урахуванням відновлення огинаючої аналогового сигналу (АС) з мініма- льними спотвореннями. Дослідження та розробка ефективних методів фільтрації-стиску сигна- лів і зображень. Аналіз умов отримання достовірних даних моніторингу пока- зує, що операції фільтрації і стиску відліків АС є взаємозалежними і виконують- ся шляхом реалізації базових перетворень інформації. Прикладами таких проце- дур є методи фільтрації і стиску АС на основі узагальнених ортогональних ЕФЕКТИВНІ МЕТОДИ ФІЛЬТРАЦІЇ-СТИСКУ СИГНАЛІВ І ЗОБРАЖЕНЬ У ЗАДАЧАХ ВИЗНАЧЕННЯ … Комп’ютерні засоби, мережі та системи. 2007, № 6 99 Фур’є- і вейвлет-перетворень [4, 5]. Загальноприйняті методи цифрової фільтра- ції грунтуються на накопиченні групи відліків та виконанні обробки на рівні отриманої групи відліків. Завданням фільтрації є зменшення випадкової складо- вої, яка накладена на детермінований сигнал. Проаналізуємо функціональні характеристики поширених методів фільтрації-стиску АС, які можна взяти за основу оперативної обробки в процесі моніторингу станів об’єктів, та порівняємо ці методи при обробці сигналів з на- перед відомими корисними та шумовими складовими. Для виявлення характер- них спотворень, які виникають при використанні поширених методів фільтрації сигналів і зображень проаналізуємо алгоритми фільтрації на основі ковзкого усереднення, медіанної фільтрації та фільтрації на основі ортогональних перет- ворень. Порівняємо результати фільтрації з ковзким усередненням відліків АС з використанням дискретно-косинусного перетворення [4, 16] і вейвлет- перетворень [1–3, 9, 16, 17] на основі вейвлетів Хаара, Добеші 6 та Добеші 8. Фільтрація відліків АС в режимі обчислення ковзкого середнього – простий та швидкодіючий спосіб отримання відліків відфільтрованого сигналу, але ре- зультат обробки суттєво залежить від вибору величини вікна l усереднення, причому ( , ) ср опт ф ф l f K  , опт l – оптимальне значення величини вікна усеред- нення, при якій похибки фільтрації АС мінімальні, ср ф – середнє значення при- ростів фільтрованого сигналу на ділянці між опорними відліками, до яких нале- жать екстремуми і точки зміни опуклості АС. Тому суттєвим недоліком методу фільтрації з ковзким усередненням, окрім необхідності забезпечення адаптивно- го вибору величини вікна усереднення у залежності від динамічних характерис- тик поточної ділянки сигналу, є факт усереднення спотворених (зашумлених) відліків сигналу. Це призводить до появи в вихідному сигналі хибних амплітуд- них значень локальних екстремумів та ділянок зміни опуклості огинаючої кри- вої. Враховуючи простоту обробки даних ковзке згладжування сигналів доціль- но організовувати на практично чистих ділянках та ділянках з шумами для при- близного визначення місцезнаходження екстремумів і динамічних показників ділянок між екстремумами відфільтрованого сигналу. Медіанна фільтрація (МФ) ґрунтується на операції упорядкування відліків у вікні, наприклад, за наростанням амплітудних значень. Відфільтрованим відлі- ком ф X призначається центральний відлік. Аналіз роботи медіанного фільтра показує його ефективність, особливо при адаптивному виборі вікна упорядку- вання відліків сигналу. Проте в околиці екстремумів спостерігається спотворен- ня форми огинаючої, тому для зменшення спотворень доцільно забезпечити більш точне обчислення амплітудно-часових характеристик екстремумів, які знаходяться в шумах. При використанні дискретно-косинусного перетворення (ДКП), згідно [17], для розрахунку спектральних коефіцієнтів з використанням швидкого алгоритму перетворення при довжині вибірки сигналу N = 2m необхідно виконати Б.М. Шевчук, А.Ф. Потапенко, Н.Ф. Чумакова Комп’ютерні засоби, мережі та системи. 2007, № 6 100 1 μ 2 m m m    операцій дійсних множень і 1 α 2 (3 2) 1 m m m     операцій дода- вань. Позитивною рисою ДКП є якісне відновлення амплітудних значень відлі- ків сигналів і зображень при реалізації операцій фільтрації-стиску шляхом від- кидання високочастотних та низькорівневих коефіцієнтів перетворення. Слід підкреслити, що спектральні коефіцієнти ДКП представляють косинусоїди, ви- значені на всьому інтервалі обробки і їхня сума відтворює огинаючу сигналу. Тому для фрагментів сигналу, де присутні різні зміни частотних компонент, при відновленні огинаючої сигналу з використанням ДКП, спостерігаються характе- рні спотворення форми кривої. У порівнянні з ДКП більш ефективним є вейвлет-перетворення, які дозво- ляють точно відтворювати локальні зміни сигналів. Кількість операцій множен- ня та додавання, які необхідні для розрахунку N спектральних вейвлет- коефіцієнтів залежить від Q коефіцієнтів імпульсної характеристики фільтра, що реалізує задане вейвлет-перетворення, і визначається відповідно за формулами μ 2 2 ,m m Q α 2( 1) 2 m m Q   [17]. Серед дискретних вейвлет-перетворень (ДВП) найбільш швидкодіючим є перетворення з використанням вейвлета Хаара (Q = 2), яке реалізується на основі операцій додавань, кількість яких α 2(2 1). m m   Вигляд вейвлет-функції Хаара показано на рис. 1, а. Оскільки да-на функція є дворівневою, то очевидно, що для точного відновлення сигналів необхідно зна- чно підвищувати частоту дискретизації АС. Для більш точного відновлення огинаючої кривої АС при збереженні мінімальних інформаційних потоків доці- льно використовувати більш складніші вейвлети, наприклад, Добеші 6 (Q = 6), Добеші 8 (Q = 8), біортогональні вейвлети 9/7 [9] та інші. Вигляд вейвлет- функцій Добеші 6 та Добеші 8 показано на рис. 1, б, в. Слід зазначити, що в ос- нові вейвлет-перетворення сигналів, як і інших ортогональних перетворень, ле- жить представлення сигналів за допомогою наперед заданих базисних функцій, водночас коли реальні сигнали є нестаціонарними і хаотичними та складаються з різних нетипових складових. Тому найбільш оптимальною обробкою сигналів є використання вейвлет-перетворень, базисні функції яких максимально подібні до сигналу [2], що вимагає підбору вейвлет-перетворень на заданих ділянках сигналу. а б в РИС. 1 На рис. 2, а показано теоретичний сигнал з відомими інформативними та шумовими складовими, де верхня крива – сигнал з шумами, середня крива  ЕФЕКТИВНІ МЕТОДИ ФІЛЬТРАЦІЇ-СТИСКУ СИГНАЛІВ І ЗОБРАЖЕНЬ У ЗАДАЧАХ ВИЗНАЧЕННЯ … Комп’ютерні засоби, мережі та системи. 2007, № 6 101 сигнал без шумів, нижня крива – шумова складова сигналу, при цьому частота опиту вибрана з ф K =10. На рис. 2, б – ж показано теоретичний сигнал без шу- мів, вихідний сигнал відповідного методу фільтрації та складова різниці між чи- стим теоретичним та вихідним сигналом таких методів фільтрації: рис. 2, б – з ковзким середнім з вікном 5 відліків; рис. 2, в – МФ з вікном 5 відліків; рис. 2, г – адаптивна МФ; рис. 2, д – фільтрація на основі ДКП; рис. 2, е, є, ж – філь- трація на основі вейвлет-перетворень Хаара, Добеші 6 та Добеші 8 відповідно. На відміну від МФ в адаптивній версії МФ (рис. 2, г) у ковзкому режимі здійс- нюється визначення та класифікація степені зашумленості ділянок сигналів а відфільтрований відлік є середнім значенням трьох упорядкованих відліків з п’яти. Дослідження вихідних сигналів поширених методів фільтрації показу- ють, що кожен з методів вносить відповідні характерні спотворення, які суттєво залежать від величини [с/ш]вх. З рис. 2 видно, що найменші похибки фільтрації виникають при використанні ДКП, проте на ділянці стикування різних частот- них компонент теоретичного сигналу виникають суттєві спотворення огинаючої сигналу. Оскільки реальні сигнали складаються з різних періодичних та хаотич- них компонент, то таких спотворень при використанні ДКП може бути багато. Тому пропонується оптимізований за точністю і швидкодією ефективний метод фільтрації, побудований на основі адаптивної МФ. На першому етапі фільтрації сигналів здійснюється згладжування сигналу з мінімальним вікном 3 – 4 (4 – 5) відліки і після визначення місцезнаходження екстремумів, середніх приростів ср ф і орієнтовних значень [с/ш]вх виявляються послідовності ділянок, які підля- гають більш точній адаптивній фільтрації. У залежності від поточної величини доп ср ф  для реалізації адаптивної фільтрації доцільно підбирати величину опт l вікна усереднення, де  max, доп опf f q  – допустима максимальна різниця між відліками сигналу. Наприклад, від поточної динаміки кривої огинаючої сиг- налу вибираємо вікно серед велечин 3 – 4 (4 – 5), 7 – 8 (8 – 9), 15 – 16 (16 – 17), 31 – 32 (32 – 33) відліків. Вибір величини вікна, що дорівнює степені 2, забезпе- чує швидку реалізацію усереднення відповідних відліків сигналів. Пошук координат екстремумів здійснюється на виявленій ковзким усеред- ненням ділянці, мінімальна тривалість якої e l  2 кс оп l з центральним відліком, яким є попередньо визначений екстремум, а величина кс оп l вибирається з ураху- ванням більшого приросту кс ф в околиці екстремуму в режимі обчислення ковз- кого середнього. Таким чином поза межами ділянки e l здійснюється медіанна фільтрація, а в її межах визначається місцезнаходження екстремуму наступним чином: на основі результатів медіанної фільтрації визначаються прирости м ф , які знаходяться по обидві межі ділянки e l ; шляхом порівняння модульних вели- чин \|\| м ф визначаємо меншу величину (тобто знаходимо більш пологу сторону Б.М. Шевчук, А.Ф. Потапенко, Н.Ф. Чумакова Комп’ютерні засоби, мережі та системи. 2007, № 6 102 в околиці екстремуму) і на інтервалі e l здійснюємо додавання меншого приросту до вже відомого відліку, тобто знаходимо амплітуди відліків більш пологої кри- вої; аналогічно обчислюємо відліки менш пологої кривої до точки перетину за- значених кривих. Параметри даної точки є амплітудно-часовою характеристи- кою шуканого екстремуму. а д б е в є г ж РИС. 2 Стиск відфільтрованих відліків ф i X здійснюється шляхом визначення і коду- вання суттєвих відліків сут i X , до яких відносяться екстремуми та групи відліків на ділянці зміни опуклості кривої, а також несуттєвих відліків. Суттєві відліки кодуються кодом { }{ } сл i i i T X X , де 1 i T  – біт ознаки суттєвості відліку, { }сл iX – ЕФЕКТИВНІ МЕТОДИ ФІЛЬТРАЦІЇ-СТИСКУ СИГНАЛІВ І ЗОБРАЖЕНЬ У ЗАДАЧАХ ВИЗНАЧЕННЯ … Комп’ютерні засоби, мережі та системи. 2007, № 6 103 службові дані про вхідне співвідношення сигнал/шум та вид кодування суттє- вих відліків (повнорозрядний, різницевий або компактний код), а несуттєві від- ліки кодуються одним бітом 0 i T  . Відрізки АС з різною динамікою супрово- джуються службовою інформацією про вибрані опf і довжину відрізка i L . Отримані потоки бітів додатково стискуються арифметичним кодуванням. 1. Уэлстрид С. Фракталы и вейвлеты для сжатия изображений в действии. – М.: Триумф, 2003. – 320 с. 2. Наконечний А.Й. Теорія малохвильового WAVELET перетворення та її застосування. – Львів: Фенікс, 2001. – 278 с. 3. Дьяконов В.П. Вейвлеты. От теории к практике. – М.: СОЛОН – Р, 2002. – 448 с. 4. Иванов В.Г., Любарский М.Г., Ломоносов Ю.В. Фурье – и вейвлет – анализ изображений в плоскости JPEG – технологий // Проблемы управления и информатики. – 2004. – № 5. – С. 111124. 5. Файнзильберг Л.С. Частотно – избирательная фильтрация в информационных технологи- ях обработки сигналов // УСиМ. – 2002. – № 2. – С. 54–59. 6. Сергиенко А.Б. Цифровая обработка сигналов. – СПб.: Питер, 2002. – 608 с. 7. Гольденберг Л.М., Матюшкин Б.Д., Поляк М.Н. Цифровая обработка сигналов: Справоч- ник. – М.: Радио и связь, 1985. – 312 с. 8. Проектирование специализированных информационно-вычислительных систем / Ю.М. Смирнов, Г.Н. Воробьев, Е.С. Потапов, В.В. Сюзев; Под ред. Ю.М. Смирнова. – М.: Высш. шк., 1984. – 359 с. 9. Цмоць І.Г. Інформаційні технології та спеціалізовані засоби обробки сигналів і зобра- жень у реальному часі. – Львів: Видавництво УАД, 2005. – 228 с. 10. Нгуен Т.Ф. Простой и эффективный метод обнаружения и устранения полос импульс- ного шума на изображениях // Проблемы управления и информатики. – 2004. – № 5. – С. 125130. 11. Нгуен Т.Ф., Шелестов А.Ю. Параллельная реализация алгоритмов фильтрации космиче- ских изображений // Проблемы управления и информатики. – 2005. – № 2. – С. 121–132. 12. Турчак В.В., Шелевицький І.В., Шутко В.М. Необмежені сплайни в задачах фільтрації та стиснення даних // Вісник КМУЦА. – 1998. – № 1. – С. 275–279. 13. Шелевицький І.В. Методи та засоби спайн – технології обробки сигналів складної форми. – Кривий Ріг, Європейський ун-т, 2002. – 304 с. 14. Старков В.Н. Конструктивные методы вычислительной физики в задачах интерпрета- ции. – К.: Наук. думка, 2002. – 264 с. 15. Шевчук Б.М. Методи визначення та відображення показників інформаційних станів об’єктів тривалого моніторингу // Комп’ютерні засоби, мережі та системи. – 2005. – № 4. – С. 78–85. 16. Дьяконов В., Абраменкова Н. MATLAB. Обработка сигналов и изображений. Специаль- ный спарвочник. – СПб.: Питер, 2002. – 608 с. 17. Яцимірський М.М. Швидкі алгоритми ортогональних тригонометричних перетворень. – Львів: Академічний експрес, 1997. – 219 с. Отримано 02.07.2007

Ефективні методи фільтрації-стиску сигналів і зображень у задачах визначення інформаційних станів об’єктів тривалого моніторингу

Institution

Ähnliche Einträge