Professional Documents
Culture Documents
Curso PISB:
Processamento de Imagens e Sinais Biolgicos
Cap. 5 : K. Najarian and R. Splinter, Biomedical Signal and Image
Processing CRC Press - Taylor & Francis Group, 2006
1
Fourier
Transform
A
m
p
l
Time
A
m
p
l
Frequency
Fourier (1807)
2
Nestecaso,noprecisosaberquandoum
determinado componentes de freqncia existe, j que
todos os componentes de freqncia existem em todos
os momentos!
x(t)=cos(2*pi*10*t)+cos(2*pi*25*t)+cos(2*pi*50*t)+cos(2*pi*100*t)
Windowed
Fourier
Transform
A
m
p
l
Time
F
r
e
q
Time
Gabor (1946)
sugestion: http://users.rowan.edu/~polikar/WAVELETS/WTpart3.html
6
Janela grande:
Aumenta o erro na considerao do sinal ser estacionrio
Transformada de Wavelet
Wavelet
Transform
A
m
p
l
Time
s
c
a
l
e
Time
A rea de uma janela constante mas sua largura pode variar com o tempo
amplitude
time
(Shannon)
F
r
e
q
time
Windowed FourierTransform
(Gabor)
Frequencia
Fourier)
E
s
c
a
l
a
time
Wavelet T.
10
Frequency
Frequency
Fourier
Wavelet
(Daubechies)
Time
Time
Wavelet x Fourier
11
TW
Transformada wavelet capaz de fornecer a
informao do tempo e da freqncia em simultneo,
por conseguinte, dando uma representao de tempo e
freqncia do sinal ao mesmo tempo
A WT passam o sinal no domnio do tempo (ou
espao) por vrios filtros passa alta e passa-baixa,
que filtram as altas e baixa freqncia do sinal.
MRA, como o nome sugere, analisa o sinal em freqncias diferentes, com diferentes
resolues. Cada componente espectral no resolvido igualmente como foi o caso no
STFT (TF ou TF janelada) .
MRA projetada para uma resoluo de tempo boa e resoluo de freqncia pobre em
altas freqncias e resoluo boa em freqncia e em tempo ruim em baixas
freqncias.
Essa abordagem faz sentido, especialmente quando o sinal tem componentes de alta
freqncia por perodos curtos e componentes de baixa freqncia para duraes
longas.
TRAB 3 - Final ! ! !
Qual a melhor base wavelets e tipo de limiarizao dos coeficientes para imagens termicas (IR)
?
Cada aluno (ou grupo de at 3 alunos) deve usar uma base wavelet ou tcnica de limiariazao
diferente e experimentar a denoising das imagens termicas com ruido adicionado, do
exercicio 1 (ou seja cada grupo ter para isso at 3 nveis diferentes de rudo a experimentar ! ) ,
para tentarmos responder a essa pergunta. Dica.
Assim use suas ideias e as do seu grupo (procure e=nos diversos trabalhos de denosing que
exixtem na literatura, mas no use as mesmas idias dos outros colegas colegas do curso! H
muito o que varias nisto!)
Como os demais trabalhos esperamos uma apresentao para a turma dos resultados!
A transformada de wavelet
Foi desenvolvido como uma abordagem alternativa para a STFT
no sentido re resolver o problema de resoluo.
A anlise wavelet feita de uma maneira similar anlise
STFT, no sentido em que o sinal multiplicado com uma
funo, (a wavelet), semelhante funo janela no STFT e a
transformao calculada em separado para diferentes
segmentos do sinal no domnio de tempo.
No entanto, existem duas diferenas principais entre a STFT e
a WT:
1. A transformao de Fourier das janelas no calculada; e
2. A largura da janela (resoluo) alterada quando a
transformao calculada para cada componente, o que
provavelmente a caracterstica mais significativa da
transformada wavelet.
1
t
,a
0
,b
a
,
b
a
a
18
Parmetro de Escala
O fator escala a representa uma contrao ou dilatao no sinal.
Para a>1 a funo sofre uma dilatao,
Transformada wavelet
A decomposio de uma funo (imagem ou sinal)
com o uso de wavelets conhecida
como transformada wavelet e pode ser
continua ou
discreta.
f t escala , posio , t dt
Repare que mais de uma forma (funo base ou me) pode ser
usada para gerar uma familia
Para ser considerada uma wavelet, uma funo inversivel tem que::
Ter uma rea total NULA sob a curva da funo (ou integral nula) ; e
(t)dt0
Ter energia (ou integral do quadrado da funo) finita,
C 2
(u ) du
22
energia finita:
A Teoria Wavelet foi estruturada na dcada de 80, embora as origens da sua teoria
Wavelet remontam aos anos 30.
A funo
a , b t
Meyer
t b
,
a a
a 0,
Morlet
Chapu Mexicano
mother wavelet
a=1,b=0
mother wavelet
a=1,b=0
f(t)=sen(2t); a=1/2
f(t)=sen(4t); a=1/4
29
Wavelet Transform
escala
f(t)=(t); a=1
30
Wavelet Transform
Parametro de Posio
Wavelet
Same Function:
new location
31
Wavelet Transform
escala, posio e tempo:
scale
Small coefficients
time
32
Wavelets
F
(
a
,b
)
t
)
t
)
dt
a
,
b(
f(
1
t
,a
0
,b
a
,
b
a
a
condio de admissibilidade
u
)du
(0) 0
33
F (a, b) f (t ) a ,b (t ) dt
A funo a,b t denominada wavelet:
a , b t
t b
,
a a
a 0,
C 2
(u ) du
condio de admissibilidade
WT Discreta
1
t
j
j
2
,
a
2
,
b
k
2
,
j
,
k
a
,
b
a
a
36
Transformada de Haar
Considerando j um inteiro positivo e
http://mathworld.wolfram.com/HaarFunction.html
mdias
9 1 2 0
5
1
3
R Detae lhes
s.
4
2
1
4 1
2
Wavelets em 2D
Cada linha (ou coluna ) da imagem pode ser vista como um sinal
2D.
Depois de se tratar todas as linhas (ou coluna ) , se consideram o
mesmo nas colunas (ou linhas).
Intuitivamente
ns sabemos que a freqncia algo a ver com a taxa de
alterao de alguma coisa.
Se algo (uma varivel) muda rapidamente, dizemos que tem
alta freqncia, e
se esta varivel mudar lentamente, dizemos que tem baixa
freqncia.
Quando a varivel no muda nunca, dizemos que ela tem
freqncia zero, ou no tem nenhuma freqncia.
Aps a filtragem, a metade das amostras pode ser eliminada de acordo com a
regra de Nyquist, uma vez que o sinal tem agora uma freqncia alterada.
O sinal pode, portanto, ser sub-amostrado, simplesmente, descartando uma
parte da amostra.
Isto constitui um nvel de decomposio
Imagine que tenhamos uma imagem com 2k x 2k pixels, a qual pode ser
armazenada numa matriz quadrada, A[i; j], i; j = 0; ... 2k -1 .
Cada linha ou coluna considerada como se fosse uma imagem
unidimensional, aplicando-se o processo de obteno dos coeficientes de
wavelets, separadamente.
Existem dois tipos de decomposies de imagens digitais: a padro (vai-se
at o fim por linhas de pois por colunas) e a no padro ou piramidal
(decompomos cada linha aplicando-se apenas um passo no processo e
depois, tratamos cada coluna resultante).
De modo que uma imagem unidimensional (ou sinal) com 2k pixels uma
a seqncia de nmeros onde cada um a intensidade correspondente ao
valor do pixels
Bidirecionalmente
Transforma linhas
Transforma linhas
Transforma
colunas
Transforma
colunas
(a)
Decomposio Standard
(b)
Decomposio Pyramidal
56
2
cD
cD
S
L
cA
2
Decomposio
DWT
cA
2
Reconstruo
IDWT
57
Wavelet Packets
A transformada wavelet um subconjunto de uma
transformao muito mais verstil, chamada Wavelet
packets (pacote de wavelet) .
Wavelet packets so combinaes lineares de
Wavelet.
Eles formam bases que mantm muitas das
propriedades das wavelets-me como ortogonalidade,
suavidade e localizao.
Os coeficientes das combinaes lineares calculados
por um algoritmo recursivo calculado por uma
estrutura de rvore.
Decomposio
&
Denoising
A maioria das
imagens tem rudo
estocstico , com
distribuio
Gaussiana.
LL
HL
HL
HH
LH
LH
HH
62
Wavelet denoising
Identify low and high energy coefficients
Modify noisy coefficients by adaptive
thresholding
We use the optimal adaptive threshold [1-6]:
Tn2
n2 =
Noise variance
Comparando a performance
Compression ratio
Quality:
66
Denoising
In/Original
Image
Transform
Quantization
Coding
Out /
Compressed
Image
denoising by thresholding
wavelet coefficient of detail
67
coeficientes de detalhes
68
69
Biortogonal
Symlets
70
Lena
Cameramen
Goldhill
3 resolution:
28x128,
256x256
and
512x512
Crcle
Checkerboard
Senusoidal
3 degradation
levels
Additive
White
Gaussian
Noise
(AWGN):
= 5,
=10 ,
and
Peppers
28/01/09
Text
= 20
71
RMSE
G
x
,
y
F
x
,
y
MN
x
0
y
(1)
M1N1
Gx,y
x0y0
SNR
msM1N1
Gx,yFx,y
(2)
x0y0
SNR
rms
SNR
ms
2n 1
PSNR
20log
10
RMSE
(3)
(4)
72
Trabalho 3
Qual a melhor base wavelets e tipo de limiarizao dos coeficientes para imagens
termicas (IR) ?
Cada aluno (ou grupo de at 3 alunos) deve usar uma base wavelet ou tcnica de
limiariazao diferente e experimentar a denoising das imagens termicas com ruido
adicionado, do exercicio 1 (ou seja cada grupo ter para isso at 3 nveis diferentes de
rudo a experimentar ! ) , para tentarmos responder a essa pergunta. Dica.
Assim use suas idias e as do seu grupo (procure e=nos diversos trabalhos de denosing
que existem na literatura, mas no use as mesmas idias dos outros colegas do curso!
H muito o que varias nisto!)
Como os demais trabalhos esperamos uma apresentao para a turma dos resultados!
WaveLab
um biblioteca de rotinas para analise wavelets para
Matlab desenvolvida em Stanford.
Se usar o Matlab, copie os arquivos do
diretrio ~wavelet/matlab para o seu diretrio /matlab
e divirta-se !
A Universidade Rice, nos EUA, tambm desenvolveu
um pacote para implementar analise e projeto de
bancos de filtros em aplicaes 1D e 2D para Matlab
4.1
s y m8
0,5000
s y m7
1,0000
0,0000
s y m6
1,5000
0,5000
s y m5
1,0000
s y m4
2,5000
s y m3
3,0000
2,0000
c oif 5
s y m2
3,5000
2,5000
c oif 4
4,0000
3,0000
c oif 3
3,5000
c oif 2
4,5000
c oif 1
0,8000
bior5
.5
bior6
.8
1,0000
0,8000
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
Lena 128x128
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
1,0000
db7
db8
db9
1,2000
db5
db6
0,6000
haar
db2
db3
db4
db5
db6
db7
db8
db9
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
c oif3
c oif4
c oif5
s y m2
s y m3
s y m4
s y m5
s y m6
s y m7
s y m8
1,2000
RMSE
1,4000
db3
db4
1,5000
RMSE
haar
db2
db3
db4
db5
db6
db7
db8
db9
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
c oif3
c oif4
c oif5
s y m2
s y m3
s y m4
s y m5
s y m6
s y m7
s y m8
RMSE
1,4000
haar
db2
haar
db2
db3
db4
db5
db6
db7
db8
db9
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
c oif3
c oif4
c oif5
s y m2
s y m3
s y m4
s y m5
s y m6
s y m7
s y m8
RMSE
RMSE
1,6000
Camera 128x128
0,4000
0,6000
0,2000
0,4000
0,0000
0,2000
0,0000
Lena 256x256
4,0000
Camera 256x256
2,0000
0,0000
A. Conci, C.S. Kubrusly and Thomas Walter Rauber, Influence of the Wavelet Family in the CompressionDenoising Technique on Synthetic and Natural Images, Paper ID: 26455, presented in section Session: Image
processing, 4pp. IWSSIP 2009:16th International Workshop on Systems, Signals and Image Processing for the year
75
2009, organised by the Technological Educational Institute of Chalkida, 18-20 June.
s y m8
s y m7
s y m6
s y m5
s y m4
s y m3
c oif 5
s y m2
c oif 4
c oif 3
c oif 2
c oif 1
bior3
.9
bior4
.4
bior5
.5
bior6
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior2
.2
bior2
.4
bior2
.6
bior2
.8
db9
db10
bior1
.3
bior1
.5
db7
db8
db5
db6
db3
db4
haar
db2
RMSE
haar
db2
db3
db4
db5
db6
db7
db8
db9
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
c oif3
c oif4
c oif5
s y m2
s y m3
s y m4
s y m5
s y m6
s y m7
s y m8
RMSE
RMSE
Xadrez 256x256
1,6000
1,4000
1,2000
1,0000
0,8000
0,6000
0,4000
0,2000
0,0000
Crculo 256x256
1,8000
1,6000
1,4000
1,2000
1,0000
0,8000
0,6000
0,4000
0,2000
0,0000
76
s y m8
s y m7
s y m6
s y m5
s y m4
s y m3
c oif 5
s y m2
c oif 4
c oif 3
c oif 2
c oif 1
bior3
.9
bior4
.4
bior5
.5
bior6
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior2
.2
bior2
.4
bior2
.6
bior2
.8
db9
db10
bior1
.3
bior1
.5
db7
db8
db5
db6
db3
db4
haar
db2
RMSE
s y m4
s y m5
s y m6
s y m7
s y m8
c oif3
c oif4
c oif5
s y m2
s y m3
c oif1
c oif2
haar
db2
db3
db4
db5
db6
db7
db8
db9
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
RMSE
RMSE
Seniodal 256x256
6,0000
5,0000
4,0000
3,0000
2,0000
1,0000
0,0000
Texto 256x256
6,0000
5,0000
4,0000
3,0000
2,0000
1,0000
0,0000
77
c oif 4
c oif 5
s y m2
s y m3
s y m4
s y m5
s y m6
s y m7
s y m8
c oif 5
s y m2
s y m3
s y m4
s y m5
s y m6
s y m7
s y m8
bior3
.7
bior3
.9
bior4
.4
bior3
.1
bior3
.3
bior3
.5
bior2
.4
bior2
.6
bior2
.8
db10
bior1
.3
bior1
.5
bior2
.2
db8
db9
db7
db5
db6
db4
db3
haar
db2
c oif 3
0
c oif 4
10
c oif 2
20
c oif 3
30
c oif 1
40
c oif 2
50
c oif 1
Lena 256x256
bior5
.5
bior6
.8
60
bior5
.5
bior6
.8
bior3
.7
bior3
.9
bior4
.4
bior3
.1
bior3
.3
bior3
.5
bior2
.4
bior2
.6
bior2
.8
db10
bior1
.3
bior1
.5
bior2
.2
db9
db8
db7
db5
db6
db4
db3
haar
db2
SNRrms
SNRrms
SNR
Lena 128x128
160
140
120
100
80
60
40
20
78
50
40
30
20
10
s y m5
s y m3
s y m4
c oif4
c oif5
s y m2
c oif3
db7
db8
db9
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
haar
db2
db3
db4
db5
db6
s y m7
s y m8
60
s y m8
70
s y m6
s y m7
Camera 256x256
s y m6
s y m4
s y m5
s y m3
c oif5
s y m2
db9
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
c oif3
c oif4
db6
db7
db8
haar
db2
db3
db4
db5
SNRrms
SNRrms
SNR
Camera 128x128
200
180
160
140
120
100
80
60
40
20
79
s y m7
s y m8
s y m3
s y m8
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
db7
db8
db9
db5
db6
haar
db2
db3
db4
s y m6
s y m7
10
s y m6
20
s y m4
s y m5
30
s y m4
s y m5
40
c oif5
s y m2
s y m3
50
c oif4
60
c oif5
s y m2
70
c oif3
80
c oif4
Goldhill 256x256
c oif3
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
db7
db8
db9
db5
db6
haar
db2
db3
db4
SNRrms
SNRrms
SNR
Goldhill 128x128
90
80
70
60
50
40
30
20
10
80
s y m8
s y m6
s y m7
s y m5
s y m3
s y m4
c oif4
c oif5
s y m2
c oif3
db7
db8
db9
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
haar
db2
db3
db4
db5
db6
SNRrms
s y m6
s y m7
s y m8
s y m4
s y m5
c oif5
s y m2
s y m3
c oif3
c oif4
c oif1
c oif2
db9
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
haar
db2
db3
db4
db5
db6
db7
db8
SNRrms
SNR
180
Peppers 128x128
160
140
120
100
80
60
40
20
Peppers 512x512
160
140
120
100
80
60
40
20
81
s y m7
s y m8
s y m5
s y m6
s y m3
s y m4
db9
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
c oif3
c oif4
c oif5
s y m2
db7
db8
haar
db2
db3
db4
db5
db6
SNRrms
s y m8
s y m7
s y m6
s y m5
s y m4
c oif5
s y m2
s y m3
c oif4
c oif3
db8
db9
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
db5
db6
db7
db2
db3
db4
SNRrms
SNR
Xadrez 256x256
2500
2000
1500
1000
500
Crculo 256x256
1000
900
800
700
600
500
400
300
200
100
82
80
70
60
50
40
30
20
10
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
db7
db8
db9
db5
db6
haar
db2
db3
db4
s y m7
s y m8
s y m8
s y m6
s y m4
s y m5
s y m6
s y m7
s y m5
s y m3
s y m4
c oif5
s y m2
s y m3
c oif4
90
c oif3
100
c oif4
c oif5
s y m2
texto 256x256
c oif3
db7
db8
db9
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
haar
db2
db3
db4
db5
db6
SNRrms
SNRrms
SNR
Seniodal 256x256
40
35
30
25
20
15
10
83
c oif 4
c oif 5
s y m2
s y m3
s y m4
s y m5
s y m6
s y m7
s y m8
s y m2
s y m3
s y m4
s y m5
s y m6
s y m7
s y m8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior2
.4
bior2
.6
bior2
.8
db9
db10
bior1
.3
bior1
.5
bior2
.2
db8
db7
db6
db4
db5
db3
haar
db2
c oif 5
34
c oif 3
35
c oif 4
36
c oif 2
37
c oif 3
38
c oif 1
39
c oif 2
40
c oif 1
Lena 256X256
bior4
.4
bior5
.5
bior6
.8
41
bior4
.4
bior5
.5
bior6
.8
bior3
.5
bior3
.7
bior3
.9
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior1
.3
bior1
.5
bior2
.2
db9
db10
db8
db7
db6
db5
db3
db4
haar
db2
PSNR (dB)
PSNR (dB)
PSNR
Lena 128x128
50
49
48
47
46
45
44
43
42
84
s y m8
s y m7
s y m6
s y m4
s y m5
c oif5
s y m2
s y m3
db9
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
c oif3
c oif4
db6
db7
db8
haar
db2
db3
db4
db5
PSNR (dB)
s y m8
s y m7
s y m6
s y m5
s y m4
s y m3
c oif 5
s y m2
c oif 4
c oif 3
c oif 2
c oif 1
bior5
.5
bior6
.8
bior3
.7
bior3
.9
bior4
.4
bior3
.1
bior3
.3
bior3
.5
bior2
.4
bior2
.6
bior2
.8
db9
db10
bior1
.3
bior1
.5
bior2
.2
db8
db7
db5
db6
db4
db3
haar
db2
PSNR (dB)
PSNR
Camera 128x128
51
50
49
48
47
46
45
44
Camera 256x256
42
41
40
39
38
37
36
35
85
s y m7
s y m8
s y m3
s y m8
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
db7
db8
db9
db10
db5
db6
haar
db2
db3
db4
s y m6
36
s y m7
37
s y m6
38
s y m4
s y m5
39
s y m4
s y m5
40
c oif5
s y m2
s y m3
41
c oif4
42
c oif5
s y m2
43
c oif3
44
c oif4
Goldhill 256x256
c oif3
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
db7
db8
db9
db5
db6
haar
db2
db3
db4
PSNR (dB)
PSNR (dB)
PSNR
Goldhill 128x128
46
45
44
43
42
41
40
39
38
37
86
s y m8
s y m7
s y m6
s y m4
s y m5
s y m3
c oif5
s y m2
c oif4
c oif3
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
db7
db8
db9
db5
db6
haar
db2
db3
db4
PSNR (dB)
s y m8
s y m7
s y m6
s y m4
s y m5
c oif5
s y m2
s y m3
c oif4
c oif3
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
db7
db8
db9
db5
db6
haar
db2
db3
db4
PSNR (dB)
PSNR
Peppers 128x128
49
48
47
46
45
44
43
42
Peppers 512x512
48
47
46
45
44
43
42
41
40
87
s y m8
s y m7
s y m6
s y m4
s y m5
c oif5
s y m2
s y m3
c oif4
c oif3
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
db7
db8
db9
db5
db6
haar
db2
db3
db4
PSNR (dB)
s y m8
s y m7
s y m6
s y m4
s y m5
c oif5
s y m2
s y m3
c oif4
c oif3
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
db7
db8
db9
db5
db6
haar
db2
db3
db4
PSNR (dB)
PSNR
Peppers 128x128
49
48
47
46
45
44
43
42
Peppers 512x512
48
47
46
45
44
43
42
41
40
88
s y m8
s y m7
s y m6
s y m4
s y m5
c oif5
s y m2
s y m3
c oif4
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
c oif3
db7
db8
db9
db5
db6
haar
db2
db3
db4
PSNR (dB)
s y m7
s y m8
s y m6
s y m4
s y m5
c oif4
c oif5
s y m2
s y m3
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
c oif3
db8
db9
db10
db6
db7
haar
db2
db3
db4
db5
PSNR (dB)
PSNR
Xadrez 256x256
350
300
250
200
150
100
50
Crculo 256x256
70
60
50
40
30
20
10
89
s y m8
s y m7
s y m6
s y m4
s y m5
s y m3
c oif5
s y m2
c oif4
c oif3
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
db7
db8
db9
db5
db6
haar
db2
db3
db4
PSNR (dB)
s y m8
s y m7
s y m6
s y m4
s y m5
c oif5
s y m2
s y m3
c oif4
c oif3
db10
bior1
.3
bior1
.5
bior2
.2
bior2
.4
bior2
.6
bior2
.8
bior3
.1
bior3
.3
bior3
.5
bior3
.7
bior3
.9
bior4
.4
bior5
.5
bior6
.8
c oif1
c oif2
db7
db8
db9
db5
db6
haar
db2
db3
db4
PSNR (dB)
PSNR
Seniodal 256x256
37
36
36
35
35
34
34
33
33
32
Texto 256x256
41
40
39
38
37
36
35
34
33
32
31
30
90
Concluso
Este trabalho visa investigar a relao entre compresso denoising-wavelet
relacionada com o tipo de wavelet utilizado (Haar, Daubechies, Biorthogonal,
Coiflets e Symlets etc.), o contedo de imagem e nvel de rudo.
Comparando processo de limiarizao para remover o rudo em determinado
nvel (de baixo a alto)
A meta do trabalho definir qual a combinao apresentar os resultados
melhores e piores
A melhor escolha relacionada com a qualidade mais dependente do contedo
da imagem
91
Verificar a possibilidade do
armazenamento das imagens trmicas
por wavelets
E seu uso para retirar rudo, qual melhor tcnica,
melhor base,etc...
Referncias
Benedetto, J. J. and Frazier, M. (Eds.). Wavelets: Mathematics and Applications. Boca Raton, FL: CRC Press, 1994.
Chui, C. K. (Ed.). Wavelets: A Tutorial in Theory and Applications. San Diego, CA: Academic Press, 1992.
Chui, C. K.; Montefusco, L.; and Puccio, L. (Eds.). Wavelets: Theory, Algorithms, and Applications. San Diego, CA: Academic Press, 1994.
Daubechies, I. Ten Lectures on Wavelets. Philadelphia, PA: Society for Industrial and Applied Mathematics, 1992.
Erlebacher, G. H.; Hussaini, M. Y.; and Jameson, L. M. (Eds.). Wavelets: Theory and Applications. New York: Oxford University Press, 1996.
Foufoula-Georgiou, E. and Kumar, P. (Eds.). Wavelets in Geophysics. San Diego, CA: Academic Press, 1994.
Hernndez, E. and Weiss, G. A First Course on Wavelets. Boca Raton, FL: CRC Press, 1996.
Hubbard, B. B. The World According to Wavelets: The Story of a Mathematical Technique in the Making, 2nd rev. upd. ed. New York: A K Peters, 1998.
Jawerth, B. and Sweldens, W. "An Overview of Wavelet Based Multiresolution Analysis." SIAM Rev. 36, 377-412, 1994.
Massopust, P. R. Fractal Functions, Fractal Surfaces, and Wavelets. San Diego, CA: Academic Press, 1994.
Meyer, Y. Wavelets: Algorithms and Applications. Philadelphia, PA: SIAM Press, 1993.
Press, W. H.; Flannery, B. P.; Teukolsky, S. A.; and Vetterling, W. T. "Wavelet Transforms." 13.10 in Numerical Recipes in FORTRAN: The Art of Scientific Computing, 2nd ed. Cambridge,
England: Cambridge University Press, pp. 584-599, 1992.
Resnikoff, H. L. and Wells, R. O. J. Wavelet Analysis: The Scalable Structure of Information. New York: Springer-Verlag, 1998.
Schumaker, L. L. and Webb, G. (Eds.). Recent Advances in Wavelet Analysis. San Diego, CA: Academic Press, 1993.
Stollnitz, E. J.; DeRose, T. D.; and Salesin, D. H. "Wavelets for Computer Graphics: A Primer, Part 1." IEEE Computer Graphics and Appl. 15, No. 3, 76-84, 1995.
Stollnitz, E. J.; DeRose, T. D.; and Salesin, D. H. "Wavelets for Computer Graphics: A Primer, Part 2." IEEE Computer Graphics and Appl. 15, No. 4, 75-85, 1995.
Strang, G. "Wavelets and Dilation Equations: A Brief Introduction." SIAM Rev. 31, 614-627, 1989.
Teolis, A. Computational Signal Processing with Wavelets. Boston, MA: Birkhuser, 1997.
Walker, J. S. A Primer on Wavelets and their Scientific Applications. Boca Raton, FL: CRC Press, 1999.
Walter, G. G. Wavelets and Other Orthogonal Systems with Applications. Boca Raton, FL: CRC Press, 1994.
Wickerhauser, M. V. Adapted Wavelet Analysis from Theory to Software. Wellesley, MA: Peters, 1994.