我要投搞

标签云

收藏小站

爱尚经典语录、名言、句子、散文、日志、唯美图片

当前位置:香港赛马会 > 多光谱图像 >

离散正弦变换DST相对余弦变换有什么特殊作用为什么HEVC中要根据

归档日期:07-21       文本归类:多光谱图像      文章编辑:爱尚语录

  离散正弦变换DST相对余弦变换有什么特殊作用,为什么HEVC中要根据预测方向不同选择使用DST和DCT?

  百度知道电脑/网络操作系统/系统故障Windows

  离散正弦变换DST相对余弦变换有什么特殊作用,为什么HEVC中要根据预测方向不同选择使用DST和DCT?

  可选中1个或多个下面的关键词,搜索相关资料。也可直接点“搜索资料”搜索整个问题。

  展开全部图像变换,称为章变换的处理之后的一定的数学工具特别是数字图像的图像,原来的两维空间域数据的过程中,被变换成变换域形式描述。例如,傅里叶变换的时域或空间频率域的信号被转换成的能量分布进行说明。

  任何图像信号处理的图象信号的频率分量的分布是不同程度的变化,因此,重要的技术装置,用于在频域中的信号(变换域)的分析和处理的,但是,有有一些在空间域是不容易实现,操作简单,轻松完成在频域(变换域)。

  如上所述,图像变换三维空间图像数据被转换成一组基矢量空间(通常是正交的向量空间)坐标,我们希望这些离散的图像信号的坐标参数统称表示有效的图像中的信息,或者更方便地达到一定的处理的目的。下图描述了空域处理和变换域处理数字图像处理。

  图像变换的实质是从一个空间到另一个空间的图像转换,不同的基向量变换不同之处在于,变换不同的。几种不同的变换基向量变换下面给出的例子。

  傅里叶变换可变换的一维信号从时域变换到频域,如下面的图,一个正弦信号的傅立叶变换来获得它的零频率(DC分量)的频度分布的后和基带。

  F(U)包含正弦和余弦项至无穷远和u称为频率可变的,它的每个值被确定对应于正弦余弦 - 频率对。

  是有限的,由于时间或空间功能的时间间隔,或截止频率谱的实际问题。横轴至少在超过一定的范围内,该函数的值已成为可以忽略不计。的有效宽度是相同的,所以被划分成小的间隔,连续傅立叶变换,离散傅里叶变换定义的近似数值计算。该一维离散付里叶变换

  /注意定期与傅里叶变换计算函数的卷积,以确保正确的结果的的卷积计算处理序列长度N1,N2是零填充加长N1 + N2-1。在序列的两维图象的卷积定理的定义和计算与一维的情况下是相同的。 *为卷积象征。

  内容,首先我们可以看到,傅立叶变换无穷区间的复正弦基函数和信号的整体的频率分布的内产品描述信号,或信号不同的频率可变基函数矢量投影。事实上,根据功能可以是不同的类型,使用不同类型的基函数,以分解的信号(图像)等效。余弦变换是很常见的。的

  4)的实部,并乘以系数; BR / 5)在前款规定采取的,是余弦变换。

  沃尔什 - 哈达玛变换变换核的非正弦正交函数(沃尔什 - 哈达玛)(沃尔什函数),例如,方波或矩形波。正弦波频率等非正弦波形,可用列率(单位时间内的波形通过的平均零的个数的一半),说明相对应。 Walsh函数可以由Rademacher函数构成,Rademacher函数集是正交函数系,Rademacher函数的两个独立的变量,表示了一套完整的。

  一定的原始变量的线性组合变量之间的关系,构成了一个新的变量,而不是原来的变量的数量相对较少,每一个新的变量包含尽可能多的原始变量的信息。这种方法的问题,主成分分析,一个新的变量的原始变量的主要组成部分。如人脸图像可以表示为:

  观测点传播所示,线性回归的问题是需要找到一个合适的直线的一个点,这样的偏差的平方和最小的总和。

  主要成分基本的想法是“最好的”拟合直线的第一个点,这个点到该直线的垂直距离的平方和最小的,他说这条直线的主要成分。然后寻求相互独立的第一主分量(或垂直),并且点的垂直距离的平方,和最小的第二主成分。

  输入图像样品采集:每个样本量的维向量(也就是原始图像的行连接在一起,构成一个三维矢量)的快速算法。它也可以看到一个点的三维空间,所述空间的原始图像的空间S其实样本图像具有更大的相似性,因此,在整个样品图像不是

  总体协方差矩阵样品阿特拉斯生产的主成分分析矩阵的整体形象所有样本协方差矩阵:

  :满足下面的等式是相应的特征值的特征向量的矩阵。理论,从原始图像空间的线性变换到一个新的特征空间主成分分析的基础上。特征向量构成通过变换矩阵。

  直接矩阵的特征值和特征向量非常困难。如果样品的图像数量是不是太多了,你可以计算出二维矩阵的特征值?和??特征向量。

  - 碱的空间的主要成分。主成分分析的基础上,你可以选择一个较大的特征值?对应的特征向量(主成分),建立一个新的二维主成分空间。在这个空间的投影的图像的每一个对应于一维的矢量,它们的低恢复的特征向量(主成分)。

  傅立叶变换(FFT)的快速算法,最常用的数字图像处理。需要复杂的算法。的整个图像的信息可以由某些系数表示。

  余弦变换(DCT)的快速算法,只要现实算术的。在最近的最优K_L变换相关的图像处理,是有用的实现编码和维纳滤波。像DFT,可以达到很好的压缩。

  正弦变换(DST)快两倍,比快速DCT。简单的实数运算,出口快速K_L变换算法。常用的编码和过滤。具有良好的压缩效果。

  沃尔什 - 哈达玛变换(WHT)是在数字图像处理硬件实现。很容易地模拟,但很难分析。在图像数据压缩中,过滤,编码应用程序。信息的压缩效果。

  K_L变换(KLT)在许多意义上是最好的。没有快速算法。进行绩效评估时非常有用,并寻找最佳的性能。小规模的,如颜色多光谱或其他的特征向量的向量。设置的一组图片均方差的压缩感的最佳信息。

  奇异值分解(SVD)的图像信息的压缩效果最好的。没有快速算法。设计有限脉冲响应(FIR)滤波器的最小范数解线性方程组有用的。潜在的应用是图像复原,能量估计和数据压缩。

  离散余弦变换(DCT for Discrete Cosine Transform)是与傅里叶变换相关的一种变换,它类似于离散傅里叶变换(DFT for Discrete Fourier Transform),但是只使用实数。离散余弦变换相当于一个长度大概是它两倍的离散傅里叶变换,这个离散傅里叶变换是对一个实偶函数进行的(因为一个实偶函数的傅里叶变换仍然是一个实偶函数),在有些变形里面需要将输入或者输出的位置移动半个单位(DCT有8种标准类型,其中4种是常见的)。

  最常用的一种离散余弦变换的类型是下面给出的第二种类型,通常我们所说的离散余弦变换指的就是这种。它的逆,也就是下面给出的第三种类型,通常相应的被称为反离散余弦变换,逆离散余弦变换或者IDCT。

  离散余弦变换,尤其是它的第二种类型,经常被信号处理和图像处理使用,用于对信号和图像(包括静止图像和运动图像)进行有损数据压缩。这是由于离散余弦变换具有很强的能量集中特性:大多数的自然信号(包括声音和图像)的能量都集中在离散余弦变换后的低频部分,而且当信号具有接近马尔科夫过程(Markov processes)的统计特性时,离散余弦变换的去相关性接近于K-L变换(Karhunen-Loève 变换--它具有最优的去相关性)的性能。

  例如,在静止图像编码标准JPEG中,在运动图像编码标准MJPEG和MPEG的各个标准中都使用了离散余弦变换。在这些标准制中都使用了二维的第二种类型离散余弦变换,并将结果进行量化之后进行熵编码。这时对应第二种类型离散余弦变换中的n通常是8,并用该公式对每个8x8块的每行进行变换,然后每列进行变换。得到的是一个8x8的变换系数矩阵。其中(0,0)位置的元素就是直流分量,矩阵中的其他元素根据其位置表示不同频率的交流分类。

本文链接:http://wsfcsmagnets.net/duoguangputuxiang/957.html