Logo GenDocs.ru

Поиск по сайту:  

Загрузка...

Содержание
Оптимальная линейная фильтрация. Уравнение Винера-Хопфа.
Масочная фильтрация изображений при наличии аддитивного белого шума.
Рекуррентная каузальная фильтрация изображений.
Применение фильтра Винера для некаузальной двумерной фильтрации.
10.2 Двумерное дискретное преобразование Фурье
Циклическая свертка.
10.3 Решение уравнения Винера-Хопфа в циклическом приближении
10.4 Медианная фильтрация
Повышение резкости цветных изображений.
Обнаружение контуров на цветных изображениях с помощью градиента.
Стереоскопический зрительный анализатор.
11.2 Стандарт сжатия JPEG 2000 и система ROI.
JPEG имеется порядка 44 различных режимов декодирования, в зависимости от приложения. Синтаксис JPEG2000
11.3 Алгоритм сжатия JPEG 2000 и его отличия от JPEG.
Поддержка кодирования отдельных областей с лучшим качеством.
Основной алгоритм сжатия заменён на алгоритм wavelet.
Для повышения степени сжатия в алгоритме использу­ется арифметическое сжатие.
Поддержка сжатия без потерь.
Поддержка сжатия однобитных (2-ух цветных) изображе­ний
На уровне формата поддерживается прозрачность.
Идея алгоритма (базовая схема).
Шаг 1. Сдвиг по яркости (DC level shift).
Шаг 2. Изменение цветового пространства (RGB – YUY).
Шаг 3. Дискретное wavelet преобразование (DWT).
Шаг 4. Квантование.
Шаг 5. Арифметическое сжатие.
11.5. Двумерное дискретное косинусное преобразование
11.6. Особенности сжатия видеоданных в формате MPEG
Межкадровое предсказ
Автомодельность базиса.
12.3 Дискретное вейвлет-преобразование
L = 4, исходный сигнал длиной N
12.4. Расчет коэффициентов вейвлет-фильтров Добеши
12.5. Вейвлет-преобразование как процесс фильтрации.
N – число отсчетов в сигнале, L
Частотно-временная неопределенность вейвлет-преобразования.
12.6. Двухмерное вейвлет-преобразование
Стандартное разложение
Быстрая разработка приложений для ЦОС.
Разработка алгоритмов и моделей
Инструментарий для обработки сигналов
Генерация кода, тестовые модели и проверка адекватности
Анализ и исследования.
Ориентация на матричные операции.
Прочие окна-фреймы.
Рис13.4. Окно рабочего пространства (Workspace)
Рис.13.5. Окно быстрого запуска субпакетов
Графический интерфейс пользователя.
Специализированные пакеты (sptool, fdatool,…).
Рис.13.9. Окно-панели субпакета Субпакет – fdatool (Filter Design and Analysis Tool)
Рис. 13.10. Диалоговое окно GUIDE Quick Start
Рис. 13.11. Среда GUIDE с заготовкой для окна приложения
Пример1. Приложение Myplot
Рис. 13.13. Размещение элементов управления в среде GUIDE
Пример 2. Приложение Calculator
Пример 3. Приложение Imtrans
13.3 Работа с изображением в среде Matlab.
13.4 Работа со звуковыми файлами в среде Matlab
Построение цифрового фильтра, моделирующего АЧХ КТЧ
Мультиразмерная ошибка
Мера качества видео на основе дискретного косинусного преобразования (Video Quality Measurement (VQM))
14.2 Модификация алгоритмов оценки качества изображения с применением предварительной обработки
Предварительная обработка исходного и искаженного изображений.
14.3 Критерии качества восстановления изображения
Цифровая фильтрация и спектральный анализ.
Многоскоростная фильтрация и адаптивная обработка сигналов.
1.2. Области применения речевых технологий.
Способы представления речевых сигналов и их применение.
Системы синтеза речи.
Системы верификации и идентификации диктора.
Системы распознавания речи.
Устранение дефектов речи.
Улучшение качества речевого сигнала.
Цифровая обработка сигналов в слуховых аппаратах (СА).
2.1. Дискретизация речевого сигнала
Прореживание и интерполяция дискретизированного сигнала
2.2. Скалярное квантование речевого сигнала
2. Равномерное квантование
Мгновенное командирование.
2.3 Векторное квантование речевого сигнала
R  количество бит, используемых для кодирования каждой координаты, B
Голосовой тракт
Носовая полость
Акустическая фонетика.
Носовые звуки.
Глухие фрикативные звуки.
Звонкие фрикативные звуки.
Звонкие взрывные согласные.
Глухие взрывные согласные.
Фонемный анализ. Функции фонемы. Фонемная сегментация.
3.2. Алгоритм разделения речевого сигнала на вокализованные и невокализованные участки и участки молчания
3.3. Методы оценивания частоты основного тона во временной и частотной областях
Амплитудная селекция .
Частотная селекция
Гомоморфные относительно свертки системы.
4.2. Комплексный кепстр речи
4.3. Оценивание основного тона на основе кепстра
4.4. Гомоморфный вокодер
Корреляция между циклами.
Избыточность, связанная с неактивностью речи.
Неравномерность спектральной плотности.
Долговременная спектральная плотность.
Мгновенная спектральная плотность.
5.2. Методы анализа речевого сигнала на основе линейного предсказания.
5.3. Автокорреляционный метод вычисления коэффициентов линейного предсказания
5.4. Методы сжатия речевых сигналов
5.4.1. Кодирование формы сигнала
5.4.2. Субполосные кодеры
5.4.3. Кодеры основанные на спектральных преобразованиях
5.4.4.Кодирование источника. Параметрические кодеры
Канальные вокодеры.
Гомоморфный вокодер.
Вокодеры с линейным предсказанием.
5.4.5. Гибридные методы кодирования речи
Многоимпульсные кодеры ( MPE-кодеры).
Кодеры с регулярным импульсным возбуждением ( RPE-кодеры).
Кодеры с возбуждением на основе кодовых книг (CELP–кодеры).
6.2 Психоакустическая модель слуховой системы в частотной области
1.Спектральный анализ и нормализация уровня звукового давления сигнала.
N – количество отсчетов или длина окна анализа сигнала; b
2.Идентификация тональных и шумовых маскеров.
3.Прореживание и преобразование маскеров.
4.Вычисление индивидуальных порогов маскирования.
5. Вычисление глобальных порогов маскирования.
Сжатие аудиосигнала на основе стандарта MP3
M – число полос, на которые разделяется звуковой сигнал ; i
6.4. Прямое и обратное МДКП
М MДКП -коэффициентов для кадра речевого сигнала, состоящего из 2М
Адаптивные компенсаторы помех
Методы, основанные на использовании статистических моделей речевых сигналов во временной области
Методы, основанные на обработке речевого сигнала с использованием аппарата скрытых марковских моделей
Методы, основанные на использовании, отдельных характерных свойств речевого сигнала
Методы, основанные на оценке спектральных характеристик шума
Метод оценивания минимальной среднеквадратической ошибки
7.8. Подавление аддитивного квазистационарного шума методом вычитания амплитудных спектров
7.2. Алгоритм амплитудного спектрального вычитания
7.3. Фильтрация зашумленного речевого сигнала в вейвлет области
Рис. 7.7 Графики двух уровней вейвлет-разложения речевого сигнала и вейлет-коэффициентов после пороговой обработки
Рис. 7.9 Графики двух уровней вейвлет-разложения речевого сигнала и вейлет-коэффициентов после пороговой обработки
Рис. 7.11 Графики двух уровней вейвлет-разложения речевого сигнала и вейлет-коэффициентов после пороговой обработки
Осш (сегосш
СЕГОСШ более точно оценивает качество фильтрации нестационарного речевого сигнала. На рис. 7.12 представлен график зависимости О
Осш (сегосш
8.2. Общие определения. Параметры качества речи.
Оценка качества.
Адикм (adpcm)
A/mp-mlq celp
8.3.Методы измерения разборчивости речи.
Первая трактовка.
Вторая трактовка.
Интегральные спектральные характеристики речи.
9.1. Типы изображений
Цветное изображение.
9.2. Дискретизация непрерывных изображений
9.3. Квантование изображений
9.4 Препарирование изображения

Поиск по сайту:  

© gendocs.ru
При копировании укажите ссылку.
обратиться к администрации