고정 웨이브릿 변환

Stationary wavelet transform


고정파울렛 변환(SWT)[1]은 이산파울렛 변환(DWT)의 변환-인벤도 부족을 극복하기 위해 고안된 파울렛 변환 알고리즘이다.변환 인바이어런스는 DWT에서 다운샘플러와 업샘플러를 제거하고 알고리즘의 th 수준에서 필터 계수를 - )의인수로 업샘플링함으로써 달성된다.[2][3][4][5]SWT는 SWT의 각 레벨의 출력에 입력과 동일한 수의 샘플이 포함되어 있기 때문에 본질적으로 중복된 구조로 N 레벨의 분해에는 파장 계수에서 N의 중복성이 존재한다.이 알고리즘은 필터에 0을 삽입하는 것을 가리키는 프랑스어(바지는 영어의 구멍을 의미한다)에서 "알고리즘 아 바지"로 더 잘 알려져 있다.홀슈나이더 등이 소개했다.[6]

실행

다음 블록 다이어그램은 SWT의 디지털 구현을 보여준다.

3단 SWT 필터 뱅크

위의 다이어그램에서 각 수준의 필터는 이전 버전의 업 샘플링된 버전이다(아래 그림 참조).

SWT 필터

키트

적용들

SWT의 몇 가지 용도는 아래에 명시되어 있다.

  • 신호 디노이즈
  • 패턴인식
  • 뇌영상구분
  • 병리학적 뇌 감지[8]

동의어

  • 중복 웨이브릿 변환
  • 알고리즘미 아 바지
  • 준연속 파장 변환
  • 번역 불변 파장 변환
  • 시프트 불변 파장 변환
  • 사이클 스피닝
  • 최대 오버랩 웨이브릿 변환(MODWT)
  • UWT(Undimated wavelet transform)

참고 항목

참조

  1. ^ 제임스 E.파울러:중복 이산형 파장 변환 및 첨가 노이즈에는 이 변환에 대한 다양한 이름의 개요가 포함되어 있다.
  2. ^ A.N. Akansu와 Y.Rui, On 신호 분해 기법, 광학 공학, 페이지 912-920, 1991년 7월.
  3. ^ M.J. Shensa, 이산 웨이브릿 변환: Wedding the Writ and Mallat 알고리즘, IEEE Transactions on Signal Processing, Vol 40, No 10, 1992.
  4. ^ 엠빅토이 타즈베이 A.N.Akansu, 계층적 필터 뱅크의 진행적 최적성, Proc.1994년 11월, IEEE ICIP(International Conference on Image Processing), Vol 1, 페이지 825-829.
  5. ^ 엠빅토이 타즈베이 A.N.DSS 통신 시스템을 위한 시간-주파수 감속기에서 Adaptive Subband Transforms in Time-Frequencyers, Vol 43, No.11, 페이지 2776-2782, 1995년 11월.
  6. ^ M. Holschneider, R. Kronland-Martinet, J. Morlet, P.츠치미치의파월트 변환의 도움을 받아 신호 분석을 위한 실시간 알고리즘.웨이블렛, 시간-주파수 방법 및 위상 공간의 경우, 페이지 289–297.스프링거-베를라크, 1989.
  7. ^ Zhang, Y. (2010). "Feature Extraction of Brain MRI by Stationary Wavelet Transform and its Applications". Journal of Biological Systems. 18 (s1): 115–132. doi:10.1142/S0218339010003652.
  8. ^ Dong, Z. (2015). "Magnetic Resonance Brain Image Classification via Stationary Wavelet Transform and Generalized Eigenvalue Proximal Support Vector Machine". Journal of Medical Imaging and Health Informatics. 5 (7): 1395–1403. doi:10.1166/jmihi.2015.1542.