تبدیل Wavelet

[hess]

پاسخ : کاربرد Wavelet

سلام ..................

امیدوارم مطالب زیر بتونه کمکتون کنه ..

Compressed Sensing
http://www.ece.rice.edu/~drorb/research/cs.html

Compressed Sensing: A Tutorial--IEEE Statistical Signal Processing Workshop
http://people.ee.duke.edu/~willett/S...s-tutorial.pdf

Learning Compressed Sensing
http://www.cs.huji.ac.il/~yweiss/allerton-final.pdf

Another Compressed Sensing
http://www-stat.stanford.edu/~donoho...sing091604.pdf

Compressive-Sensing Workshop
http://people.ee.duke.edu/~lcarin/co...-workshop.html

Compressed Sensing Codes
http://igorcarron.googlepages.com/cscodes

موفق باشید ..

[daraee]

پاسخ : کاربرد Wavelet

ممنون از توجهتون.
می خوام یه تصویر رو بگیرم و بعد با wavelet کد و دیکدش کنم.
اصلا نمی دونم چه کار کنم. :cry2:

منم خودم میخوام از میولت استفاده کنم!!میتونید از دستور wavedec2 یا wpdec2 و بعد wpceof استفاده کنید. تو help مطلب این دستورات رو بزنید و بخونیدشون..ببخشید که بیشتر از این نمیتونم کمک کنم :cry2:

[hess]

پاسخ : کاربرد Wavelet

منم خودم میخوام از میولت استفاده کنم!!میتونید از دستور wavedec2 یا wpdec2 و بعد wpceof استفاده کنید. تو help مطلب این دستورات رو بزنید و بخونیدشون..ببخشید که بیشتر از این نمیتونم کمک کنم

سلام ....................

من هر وقت صحبت از Wavelet میشه؛ یاد یه لینک از دانشگاه MIT میوفتم .. لینک خیلی کاملیه .. مخصوصا یه فایل انتهاش داره که همه چیز رو در مورد ToolBox خود MATLAB که دریاره ی wavelet هست؛ گفته .. اون لینک رو میذارم تا بتونید ازش استفاده کنید .. توی اون فایل انتهاییش همه ی دستورات این ToolBox رو توضیح داده .. فکر نکنم اگه از روی اون جلو برید؛ به مشکلی برخورد کنید .. یه لینک دیگه هم هست که اونم ببینید بد نیست .. موفق باشید ..

http://web.mit.edu/18.327/

http://cas.ensmp.fr/~chaplais/waveto...tation_US.html

[mahsa1387]

پاسخ : کاربرد Wavelet

سلام خسته نباشید اگه ممکنه منو در زمینه dwt برای استفاده در watermarking راهنمایی کنید؟
من میخوام توسط تابع dwt یک تصویرو امضادار کنم اطلاعاتی به فارسی میخوام ممنون :sad:

[hess]

پاسخ : کاربرد Wavelet

سلام خسته نباشید اگه ممکنه منو در زمینه dwt برای استفاده در watermarking راهنمایی کنید؟
من میخوام توسط تابع dwt یک تصویرو امضادار کنم اطلاعاتی به فارسی میخوام ممنون :sad:

سلام .............

Watermarking مجموعه کارهایی هستن که ما انجام میدیم تا بتونیم یه سری پیغام یا اطلاعات خاص رو درون یه تصویر یا یک صوت پنهان کنیم به طوریکه بتونیم در مقصد این اطلاعات رو دوباره بازیابی کنیم و در ایستگاه گیرنده بخونیم .. تعریف کلی ای که میشه از Watermarking کرد همینه .. یعنی ما به دنبال راه هایی هستیم که بتونیم با استفاده از اونها از تصویر یا صوت به عنوان حامل پیغام استفاده کنیم .. معمولا برای فرق گذاشتن بین روش هایی که در Watermarking وجود داره (خصوصا در مورد تصویر منظورمه..) میان و بحث رو در دو حوزه ی مجزا بررسی میکنن .. یکی محدوده ی Spatial یا همون گسسته و دیگری هم محدوده ی فرکانس ..

پـــس برای اینکه بدونیم که میخوایم چیکار کنیم باید اول تکلیف خودمون رو با یکی از این دو محدوده مشخص کنیم .. امــا هر کدوم از این محدوده ها توی Watermarking چه طوری نقش ایفا میکنن؟ اول از Spatial Domain شروع میکنیم .. اولین اتفاقات و فعالیت هایی که توی زمینه ی Watermarking انجام شد مربوط به حوزه ی گسسته میشدن .. وقتی صحبت از حوزه ی گسسته میکنیم؛ جنس ابزارها و عباراتی که به کار میبریم، همه در حوزه ی گسسته تعبیر میشن و این به اون معناست که ما میخوایم مستقیم با تصاویر Digital کار کنیم .. خصوصیت بارزی که در تصاویر دیجیتال وجود داره؛ بر میگرده به گسستگی در نوع ارتباط با ساختار تصویر یا همون پیکسل های ما .. یعنی توی تصاویر دیجیتال، ما تصویر رو مجموعه و قالبی از پیکسل ها میبینیم و این نوع نگاه؛ امکان بررسی گسسته رو بهمون میده ..

حالا این نگاه توی Watermarking چجوری به ما کمک میکنه یا یه سوال بهتر: این نوع نگاه چطور با Watermarking ترکیب میشه؟ وقتی که بررسی پیکسلی داشته باشیم میتونیم به راحتی از اپراتورهای معمول نظیر Edge Detector ها استفاده کنیم تا به یک سری اطلاعات استنتاجی دسترسی پیدا کنیم .. یعنی چی؟ مثال میزنم تا مبحث باز بشه .. برای اینکه بتونیم بهتر باهم صحبت کنیم باید برگردم به یک مقدار عقب تر و از اونجا بیام جلو .....

یکی از بحث هایی که توی پردازش تصویر وجود داره پیدا کردن نواحی پر اهمیت یا همون ROI هست .. این اتفاق کی میوفته یا اصلا برای چی باید این اتفاق بیوفته؟ مثـــال: فرض کنید یه آلبوم تصویر به شما میدن که همش تصویر یه سری منظره ی سبزه .. درخت و جنگل و اینا .. درک و شهود ذهنی شما اینطور با مسیر تصاویر آلبوم منطبق شده که به زمینه ی سبز پاسخ مثبت میده و انتظار داره روال تا انتها اینطور باشه .. امــا در صفحه ی مثلا آخر این آلبوم یه تصویر هست که عکس چند تا درخت سبز رو نشون میده ولی این بار دو تا سیب قرمز هم توی تصویر وجود داره (مثلا از یه شاخه آویزون شده..) .. شما وقتی به این تصویر میرسید؛ بی تردید اول تمرکزتون میره سمت اون سیب های قرمز و بعد به کلیت منظره می پردازید .. خــب؛ چه اتفاقی افتاد؟ آیا سبز بودن برای شما اهمیت کمتری پیدا کرد؟ یا اینکه تناقض رنگی قرمز با سبز این دقت رو در نگاه شما پدید آورد؟ قطعا جواب؛ همون دومیه .. یعنی تناقض رنگی قرمز با زمینه ی سبز باعث شد توجه شما به تصویر؛ از زمینه به سیب تغییر مسیر بده و اولویت رو بده به رنگ قرمز سیب ..

این اتفاق میتونه به دلایل دیگه ای هم بیوفته که نمیخوایم روی اونا بحث کنیم چون از بحث دورمون میکنه ولی به عنوان نتیجه اینو باید بدونیم که ROI برای هر تصویر یه تعریفی داره که میشه روش برای کارهای دیگه تکیه کرد .. حالا این چه ارتباطی به Watermarking داره؟ آهـــا؛ یکی از ایده های کلی و ساختاری ای که برای Watermarking تصویر وجود داره اینه که قرار داد میکنن، پیغام در ROI تصویر ذخیره بشه یعنی در محدوده ای که برای HVS یا همون Human Visual System؛ از اهمیت بیشتری برخوردار باشه .. یکی دیگه از روش های پیدا کردن ROI گرفتن Edge ار تصویره .. یعنی از تصویر Edge میگیرن و نواحی ای که از نظر Edge دارای ارزش بیشتری هستن (مثلا یه window میذارن روی تصویر و نسبت پیکسل های 0 به کل پیکسل هارو به دست میارن و این عدد رو با بلوک های دیگه ی تصویر مقایسه میکنن .. اون یا اونایی که عددشون بیشتر بود میشن ROI تصویر ما از دیدگاه Edge ..) میشن ROI از دیدگاه Edge .. پس در حالت Spatial ما از تصویر یه سری اطلاعات میگیریم و نواحی مهمش رو به دست میاریم و بعد بر حسب intensity پیکسل ها؛ و یه سری تکنیک های دیگه پیغام رو در تصویر Watermark میکنیم .. امـا این حوزه زیاد برای Watermarking مناسب نسیت؛ چرا؟ یه مثال ساده اش اینه که ممکنه در هنگام ارسال نویز به تصویر سوار بشه و گیرنده تصویر با نویز رو دریافت کنه .. خب چه اتفاقی میوفته؟ نویز میشه جزئی از اطلاعات پیکسل ما و دیگه عمل دیکود کردن نمیتونه برای گیرنده اتفاق بیوفته چون در اصطلاح تصویر Distort شده رو دریافت کرده و دستش فقط به اطلاعات پیکسلی میرسه و نه چیز دیگه و میدونیم که اطلاعات پیکسلی هم الان با یه سری نویز ترکیب شدن ..



برای اینکه بخوایم از این مشکلات خلاص بشیم؛ میریم به سراغ یه حوزه ی دیگه به نام فرکانس .. برای اینکه بتونیم این گذر رو ممکن کنیم باید از تبدیلات مرسوم توی سیگنال ها استفاده کنیم .. تبدیلاتی مثل DFT یا DCT و DWT میتونن در این انتقال مارو کمک کنن یعنی از فضای گسسته ببرن مارو به فضای فرکانس .. حالا این انتقال چه سودی برای Watermarking داره؟ اولین و به نظرم مهمترین سودش اینه که Mark ها یا اون پیغام هایی که میخوایم روی تصویر سوار کنیم (یا به عبارتی توی تصویر Hide کنیم..) دیگه با ارزش های Intensity تصویر ما درگیر نیستن (که بخوان در اون نواحی Hide بشن ..) بلکه این بار به مقادیر ضرائب تبدیلات اهمیت میدن و این نکته ی خیلی با ارزشیه .. (میدونیم که این تبدیلات یه تعریف ساختاری از تصویر به ما ارائه میدن که بر حسب یه سری ضرائب بیان میشه .. منظور ما اینجا از ضرائب اونا هستن ..).. در واقع اگه بخوایم خیلی کلاسیک به موضوع نگاه کنیم اینطوری میشه: اول از تصویر یه تبدیل میگیریم (مثلا همون DWT خوبه ..) .. الان یه سری ضریب داریم .. مقادیر با ارزش ضریب میشن جاهایی که Mark ما باید در اونجا ها Hide بشه .. مثلا توی Wavelet اون ساختار Multi-Resolution ای که ساخته میشه خبر از ضریب های متفاوت میده که میشه ازشون استفاده کرد .. حالا میایم بر حسب مقدار ضرایب؛ بهشون وزن میدیم و بر حسب وزن های جدید Mark رو در تصویری که ازش DWT گرفتیم؛ Hide میکنیم و در آخر هم با گرفتن یه IDWT یا همون تبدیل معکوس Wavelet کارمون رو خاتمه میدیم .. خروجی چیه؟ یه تصویر مشابه تصویر اول .. امــا اگه ازش DWT بگیریم تازه متوجه میشیم که یه سری دیتا بر حسب یه ضرائبی توش مخفی شده و این کاریه که در گیرنده انجام میشه .. یعنی رابطه ی ضرایب بین IDWT و DWT رو داره و از اونها اطلاعات Mark رو به دست میاره .. این کلیت کاریه که در Transform domain انجام میشه ..

توی فایل های زیر؛ یه PDF هست که یه توضیح مختصر در مورد Watermarking داده .. به نظرم خوندنش میتونه خیلی به کارتون کمک کنه .. یه PDF هست که در مورد روش های مختلف Watermarking توی شاخه ی Wavelet-Based بحث کرده .. اونم فکر کنم به کارتون بیاد .. در انتها هم یه کد براتون گذاشتم که میتونه خیلی بهتون کمک کنه .. کد چیه؟ سه تا حرف رو در تصاویر Hide میکنه .. اینا در واقع اومدن با استفاده از Wavelet یه تیکه Text رو بردن و گذاشتن توی تصاویری که توی فایل هست .. کدش هم با متلب Run میشه .. یه Doc هم داره که زیاد مهم نیست! زبونش خیلی عجیب غریبه! ولی کدهای انتهای اون Doc رو هم ببینید .. (البته mfile هاش توی خود فایل هست ولی خب .. دیدن اون توضیحات هم بدک نیست ..).. امیدوارم کلا مطالب بتونه کمکتون کنه .. موفق باشید ..

http://www.cosy.sbg.ac.at/~pmeerw/Wa...let_survey.zip

[mahsa1387]

پاسخ : کاربرد Wavelet

سلام از اطلاعاتی که دادید ممنونم اگه ممکنه در مورد correletion با حد آستانه وezwفشرده سازیش با نسبت.0.125bpp به چه صورت هست اطلاعاتی به فارسی به من بدید
شرمنده که میگم فارسی چون مطالبیو خودم ترجمه کردم صحتشونو با مطالب شما می سنجم ممنون

[hess]

پاسخ : کاربرد Wavelet

سلام از اطلاعاتی که دادید ممنونم اگه ممکنه در مورد correletion با حد آستانه وezwفشرده سازیش با نسبت.0.125bpp به چه صورت هست اطلاعاتی به فارسی به من بدید
شرمنده که میگم فارسی چون مطالبیو خودم ترجمه کردم صحتشونو با مطالب شما می سنجم ممنون

سلام ......................

من در مورد Correlation قبلا یه جای دیگه توضیح داده بودم .. همون رو براون کپی میکنم ..

شرمنده، یک مقدار دیر پاسخ دادم .. ببینید یکی از روش هایی که برای مقایسه ی تطابق سیگنال وجود داره؛ محاسبه ی همین Correlation برای اون سیگنال هست .. امــا منظور از Correlation چیه دقیقا؟ شما کانولوشن دو سیگنال رو خاطرتون هست؟ یکی رو سیگنال مبنا قرار میدادیم و دیگری رو هم سیگنال کرنل .. بعد به ازای رابطه ای که برای سیگنال کرنل تعریف میشد، اثر همپوشانی و Overlapping رو روی سیگنال اصلی بررسی میکردیم .. بازه هم که خاطرتون هست چطور تعیین میشد ..

رابطه ای که اونجا وجود داشت چی بود؟ سیگنال Main که با f نمایش داده میشد در شیفت یافته ی h به اندازه ی "تو" نسبت به محور y ضرب مید و از این رابطه انتگرال گرفته میشد (در فضای گسسته تعبیر سیگما رو با انتگرال جایگزین کنید..) در Correlation هم اتفاقی که میوفته تقریبا شبیه کانولوشن هست با این فرق که سیگنال حاصل از Correlation اطلاعاتی به ما میده که به قضاوت ما نسبت به تطابق کمک میکنه .. اولا رابطه ی اون چیه؟ درست مثل کانولوشن با دو فرق .. ائلیش که در شیفت نمونه ی کرنله که به سمت راست میره و از اونجا حرکت میکنه .. دوم هم در سیگنال f .. اینجا ما با Conjugate سیگنال Main کار میکنیم که اگه سیگنال ما در حوزه ی Real قرار بگیره این Conjugate با خود f برابر میشه ..

حاصل این رابطه میشه سیگنالی که حاصل از یک سری قله ها و پایین رفتن هاست .. حالا سوالی که هست اینه این قله ها و پایین فتن ها به چه کاری میان .. خب ببینیم چه اتفاقی میوفته که در سیگنال حاصل پیک تولید میشه .. وقتی که کرنل با سیگنال اصلی correlate میشه این واقعیت رو برای ما روشن میکنه که خاصیت Overlapping برای نمونه های سیگنال موقعی دچار پیک میشه که نمونه ها بیشترین شباهت رو باهم داشته باشن .. پس تحلیلی که پیش میاد چیه؟ هر جاییکه پیک داشتیم؛ بیشترین شباهت و هرجایی که فرورفتگی داشتیم کمترین شباهت برای دو سیگنال نسبت به هم قابل تصور هست ..

حالا سوالی که مطرح میشه اینه که کاربرد این رابطه تا چه حدی میتونه گسترده باشه .. از کاربرد هایی که در ظاهر از Application های رسمی اون استنباط میشه بحث Matching و قیاس این روال هست .. حالا اینا کجا کاربرد دارن؟ در Application های Pattern .. اونجا خیلی میشه از این ایده استفاده کرد .. امــا استقبال از این روش خیلی کم شده؛ میدونید چرا؟ مثال میزنم .. فرض کنید سیگنال کرنل شما که به عنوان یک Pattern خاص در دیتابیس لحاظ شده؛ توسط ورودی دریافت میشه .. Correlation قضاوت آماری میتونه بکنه از تطابق بین دو سیگنال .. امــا فرض کنید از بد ماجرا سیگنال ورودیتون کمی نویز پیدا کرده یا اینکه گونه هایی در اون هست که شباهت رو با Pattern حاصل میکنه امــا کلیت سیگنال زیاد با Pattern رابطه ای نداره .. خب اینجا نمیشه زیاد به Correlation اعتماد کرد هرچند که نمیشه زیاد هم به اون بد بین بود .. به هر حال باید دید دقت و کاربرد در اون زمینه؛ چه محدودیتهایی رو برای شما به وجود میاره .. موفق باشید ..

در مورد قسمت دوم سوالتون .. لینک زیر میتونه خیلی کمکتون کنه .. موفق باشید ..

http://pagesperso-orange.fr/polyvale...s/ezw/ezw.html

[padzanij]

پاسخ : کاربرد Wavelet

سلام دوستان
خوبید
اگه ممکنه بهم کمک کنید
من می خوام fwt یک تصویر را به زبان c بنویسم
هر کس میتونه کمک کنه
خدا خیرش بده
هر کسی میتونه بهم میل بزنه یا همین جا بنویسه بقیه هم استفاده کنن
taghizadeh_uni@yahoo.com

[hess]

پاسخ : کاربرد Wavelet

سلام .................

لینک زیر رو ببینید ..

2D Fast Wavelet Transform
http://www.codeproject.com/KB/graphics/2D_FWT_lib.aspx

فایل های ضمیمه شده هم برنامه و Demo این کد هست .. موفق باشید ..

[fattahimehdi]

پاسخ : کاربرد Wavelet

سلام موضوع پایانامه ارشد من بهبود ezw می خوام ببینم آیا جای کار داره و اینکه منبع فارسی دارید که کمکم بکنه . یه خواهش دیگه اگه می شه متن انگلیسیش هم باشه تا من ترجمه برای ترجمه بعضی لغات تخصصی ازش استفاده کنم یه دنیا ممنون

[alfie]

پاسخ : کاربرد Wavelet

سلام
تعداد سطح تبدیل ویولت برای فشرده سازی چقدر باید باشه یا می تونه باشه ؟ یه جا خوندم به تصویر بستگی داره یعنی چی و چطوری؟

[eehadi]

پاسخ : کاربرد Wavelet

سلام.
هر چقدر سطح تبدیل بالاتر باشه، فشرده سازی بیشتره و کیفیت تصویر فشرده شده کمتر میشه، پس سطح تبدیل به مقدار کیفیتی که از تصویر انتظار داری بستگی داره.
در مورد این که به خود تصویر بستگی داره یا نه میشه گفت، تصاویر با کیفیت خیلی بالا رو بیشتر میشه از تصاویر کم کیفیت فشرده کرد به طوری که هنوز تصویر واضح باشه یا از کیفیت قابل قبولی برخوردار باشه ولی این معیار کیفی هست و به نظر بیننده بستگی داره. یک معیار کمی برای سنجش کیفیت تصویر فشرده شده نسبت به تصویر اصلی PSNR هست که تقریباً میشه گفت نسبت نویز اضافه شده به تصویر در اثر فشرده سازی به مقدار سیگنال (تصویر اصلی) است.

[negin-bahadori]

کتابخونهآ برای Wavelet transform --- برای استفاده در image processing

سلام

برای تبدیل ویولت (به منظور استفاده در image processing) چه کتابخونهآای رو پیشنهاد میآکنید؟ (++windows /c,c)


... خیلیآ مهمه که open source باشه ...


ممنون

[Mohammad Sadegh Rostami]

پاسخ : کتابخونهآ برای Wavelet transform --- برای استفاده در image processing

سلام
شاید این به کار بیاد:
http://wavelet2d.sourceforge.net/
با توضیحات کامل و انواع مثال
برای زیان ++c

اینم یک نرم افزار اپن سورس
http://waveletstudio.codeplex.com/
ترای تو ایت!

اینم یکی دیگه:
http://www.codeproject.com/Articles/...elet-Transform

:read:

[negin-bahadori]

پاسخ : کتابخونهآ برای Wavelet transform --- برای استفاده در image processing

مرسیآ از اینکه وقت گذاشتید..

فقط یه سوال:

اینا رو خودتون باهاشون کار کردید یا اینکه فقط سرچ کردید؟