Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 3

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  pakietowa transformacja falkowa
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
This study presents a computer-aided diagnostic system for hierarchical classification of normal, fatty, and heterogeneous liver ultrasound images using feature fusion techniques. Both spatial and transform domain based features are used in the classification, since they have positive effects on the classification accuracy. After extracting gray level co-occurrence matrix and completed local binary pattern features as spatial domain features and a number of statistical features of 2-D wavelet packet transform sub-images and 2-D Gabor filter banks transformed images as transform domain features, particle swarm optimization algorithm is used to select dominant features of the parallel and serial fused feature spaces. Classification is performed in two steps: First, focal livers are classified from the diffused ones and second, normal livers are distinguished from the fatty ones. For the used database, the maximum classification accuracy of 100% and 98.86% is achieved by serial and parallel feature fusion modes, respectively, using leave-one-out cross validation (LOOCV) method and support vector machine (SVM) classifier.
EN
This paper presents the method of matching pursuit (MP) with frame based psychoacoustic optimized wavelet packet (WP) dictionary for selecting most relevant components to be used in compact representation transient part of signal. The wavelet dictionary for matching pursuit is composed of functions that are bounded by frame based psychoacoustic adaptive wavelet packet. Psychoacoustic motivated entropy based cost functions allow us to minimize perceptual relevance and adapt wavelet packet structure with reducing dictionary size. The proposed methodology for selecting most relevant components is based on maximizing the matching between the auditory excitation scalograms associated with original and modeled signal correspondingly. This technique allows to significant reduce the number of MP atoms in compare with well known techniques based on damped sinusoids and over-complete WP -dictionary.
PL
Artykuł prezentuje algorytm poszukiwania dopasowującego (ang. Matching Persuit) z percepcyjnie zoptymalizowanym słownikiem opartym na pakietowej transformacji falkowej. Algorytm zastosowano do jak najbardziej trafnego wyboru komponentów użytych do zwartego przedstawienia przejść w sygnale audio. Poszukiwanie dopasowujące wykorzystuje słownik złożony z funkcji określonych pakietową transformacją falkową, która percepcyjnie adaptuje się do ramek sygnału. Oparta na entropii i ocenie psychoakustycznej funkcja kosztu pozwala zminimalizować zależności percepcyjne i przystosować pakietową transformację falkową do ograniczonego rozmiaru słownika. Zaproponowana metodologia wyboru najbardziej istotnych komponentów opiera się na maksymalizacji dopasowania pomiędzy skalogramami percepcyjnego wzbudzenia skojarzonymi odpowiednio z sygnałem oryginalnym i modelowanym. Technika ta pozwala istotnie zredukować liczbę funkcji atomowych poszukiwania dopasowującego w stosunku do znanych technik, które wykorzystują tłumione sinusoidy i nadkompletne słowniki pakietowej transformacji falkowej.
EN
This paper proposes a multiresolution model of auditory excitation scalogram and applies it to the problem of audio signal transform and coding techniques. The model uses wavelet packet (WP) transform for time-frequency decomposition of the input signal. The WP tree structure selection is based on an optimality criterion formulated to minimize entropy based cost functions. From applications' point of view, multiresolution model of the auditory excitation scalogram based on adaptive to the signal WP is used to achieve Iow bit rate coding of digital audio signals with minimum perceived loss of quality in reconstructed signal.
PL
Artykuł przedstawia wielorozdzielczy model skalogramu wzbudzenia audytoryjnego oraz jego zastosowanie do przekształcenia i kodowania sygnału audio. Model wykorzystuje pakietową transformację falkową do dekompozycji czasowo-częstotliwościowej sygnału wejściowego. Struktura drzewiasta pakietowej transformacji falkowej jest dobierana na podstawie kryterium optymalności sformułowanego pod kątem minimalizacji entropii. Z punktu widzenia aplikacji, wielorozdzielczy model skalogramu wzbudzenia audytoryjnego, oparty na transformacie adaptującej się do sygnału, pozwala na uzyskanie niskiego tempa bitowego w kodowaniu audio przy minimalnej stracie jakości sygnału zrekonstruowanego.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.