Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Стационарлық толқындық трансформация (СТТ) – дискретті толқындық трансформацияның (ДТТ) аударма инварианттылығының жетіспеушілігін жоюға арналған толқындық трансформация алгоритмі. Аударма инварианттылығы ДТТ-дағы төмендеткіштер мен көбейткіштерді жою арқылы және алгоритмнің n-ші деңгейінде сүзгі коэффициенттерін белгілі бір факторға көбейту арқылы қол жеткізіледі. СТТ-ның әр деңгейінің шығысы кірістегідей бірдей үлгілер санын қамтитындықтан, бұл схема табиғаты бойынша артықшылыққа ие, сондықтан N деңгейлі жіктеу үшін толқындық коэффициенттерде N артықшылығы болады. Бұл алгоритм француз тілінде "algorithme à trous" деп белгілі (ағылшын тілінде "trous" сөзі "тесіктер" дегенді білдіреді), бұл сүзгілерге нөлдерді қоюды білдіреді. Оны Holschneider және авторлар тобы енгізген.
The stationary wavelet transform (SWT) is a wavelet transform algorithm designed to overcome the lack of translation invariance of the discrete wavelet transform (DWT). Translation invariance is achieved by removing the downsamplers and upsamplers in the DWT and upsampling the filter coefficients by a factor of in the th level of the algorithm. The SWT is an inherently redundant scheme as the output of each level of SWT contains the same number of samples as the input – so for a decomposition of N levels there is a redundancy of N in the wavelet coefficients. This algorithm is more famously known as "algorithme à trous" in French (word trous means holes in English) which refers to inserting zeros in the filters. It was introduced by Holschneider et al.
Іске асыру
Келесі блок-схема SWT-нің цифрлық іске асырылуын бейнелейді. Жоғарыдағы схемада әр деңгейдегі сүзгілер алдыңғы деңгейдің үлкейтілген нұсқалары болып табылады (төмендегі суретті қараңыз).
The following block diagram depicts the digital implementation of SWT. In the above diagram, filters in each level are up sampled versions of the previous (see figure below).
Қолданбалар
ТМД-ның бірнеше қолданысы төменде көрсетілген.
A few applications of SWT are specified below.
Суретті жақсарту
SWT-ны қолдану арқылы кескінді жақсартуға болады, осылайша жақсырақ кескін сапасына қол жеткізуге болады. Кескінді әдеттегі интерполяция әдісімен жақсартудың басты кемшілігі – жоғары жиілікті компоненттердің жоғалтылуы. Бұл интерполяцияның тегістелуіне алып келеді, нәтижесінде ұсақ бөлшектері мен анық жиектері жоқ немесе нашар көрінетін бұлыңғыр кескін пайда болады. Жоғары жиілікті компоненттер (жиектер) туралы ақпарат супер-ажыратымды кескіннің жақсы сапасына қол жеткізу үшін маңызды. Алдымен кіріс кескіні бір деңгейлі DWT арқылы әртүрлі субдиапазонды кескіндерге жіктеледі. Кіріс кескінінің жоғары жиілікті компоненттерін анықтау үшін үш субдиапазонды кескін қолданылады. Содан кейін SWT іске асырылады, оның мақсаты – әр DWT субдиапазонындағы төмендетілген үлгіден туындаған ақпараттың жоғалтылуын азайту. DWT және SWT жоғары жиілікті субдиапазондарын қосу арқылы күшейтілген және түзетілген жоғары жиілікті субдиапазондар құрылады, нәтижесінде шығыс кескінінің жиектері анық болады.
The SWT can be used to perform image resolution enhancement to provide a better image quality. The main drawback from enhancing image resolution through conventional method, interpolation, is the loss of the high frequency components. This results in the smoothing of interpolation, providing a blurry image with the absence or reduced presence of fine details, sharp edges. Information of high frequency components (edges) are crucial for achieving better image quality of super resolved image. It first decomposes the input image into various subband images by applying a one level DWT. There are three subband images to capture the high frequency components of the input image. After that is the implementation of SWT, its purpose is to mitigate the information loss produced by the downsampling in each DWT subband. Fortified and corrected high frequency subbands are formed by summing up the high frequency subbands from DWT and SWT, and as a result, the output image is with sharpen edges.