Facultatea de Electronică, Telecomunicaţii şi Tehnologia Informaţiei,

Universitatea Politehnica din Bucureşti, România

SM – Sisteme de Comunicatii Multimedia

Titular disciplină:
Conf. Dr. Ing. Ruxandra ŢAPU

– Noiembrie 2020 –
 Cuprins

 Codarea sursei
• Codarea DPCM
• Codarea DM
• Reconstrucţia condiţională
 Codarea în domeniul transformat
• Transformata Fourier Bidimensională
• Transformata Cosinus Discretă Bidirecţională
• Transformata Wavelet Bidirecţională

Pagina 2 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea sursei
Se disting două metode fundamentale de codare predictivă:

DPCM (Differencial Pulse Code Modulation – Modulaţia Impulsurilor în Cod Diferenţială)

DM (Delta Modulation – Modulaţia Delta)

Codarea diferenţială

Are la bază tehnica de modulaţie a impulsurilor (PCM) în cod ce presupune:

Eşantionare

Cuantizare

Codare

Dacă numărul de nivele de cuantizare este 2P codare simbolurilor se face P biţi.

Pagina 3 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea sursei
Procedee de codare diferenţială codează numai diferenţa dintre nivelul curent al unui eşantion
şi cel al eşantionului precedent.

DPCM (Differencial Pulse Code Modulation)

DM (Delta Modulation)

ADM (Adaptive Delta Modulation)

Codarea DPCM

Semnalul diferenţă di se defineşte:

Pagina 4 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea sursei

Decodarea DPCM

Valoarea reconstruită a nivelului de gri z”i :

Eroarea de cuantizare cumulativă:

Pagina 5 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea sursei
Semnalul reconstruit în codor şi decodor:

Semnalul diferenţă în decodor:

Semnalul reconstruit anterior este utilizat pentru a prezice

Pagina 6 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea sursei
Codarea DM
O variantă specială de codare de tip DPCM caracterizată prin:
Predictorul liniar este de ordinul 1;

Cuantizarea pe un singur bit.

Pagina 7 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea sursei
Decodarea DM
Relaţia:

poate fi satisfăcută şi în cazul modulaţiei delta prin utilizarea schemei de codare ce urmăreşte
eliminare erorii cumulative.

DM este un caz special de DPCM ceea ce implică:

Pagina 8 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea sursei

Pagina 9 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea sursei
Reconstrucţie condiţională
Reconstrucţia condiţională urmăreşte recunoaşterea similarităţii dintre cadrele consecutive şi
clasificarea pixelilor ca:
Pixel in schimbare;

Pixel nemodificat;

Pagina 10 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Cuprins

 Codarea sursei
• Codarea DPCM
• Codarea DM
• Reconstrucţia condiţională
 Codarea în domeniul transformat
• Transformata Fourier Bidimensională
• Transformata Cosinus Discretă Bidirecţională
• Transformata Wavelet Bidirecţională

Pagina 11 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea în domeniul transformat
O imagine împărţită în blocuri de câte 2 eşantioane x1 şi x2.

Dacă considerăm 28 niveluri de cuantizare pentru fiecare eşantion, atunci există în total 216
combinaţii posibile pentru blocul (x1 , x2).

Cele mai probabile combinaţii sunt cele din aproprierea dreptei x1 = x2

Transformăm spaţiul imaginii, într-un alt spaţiu, fragmentat în blocuri de eşantioane (y1 , y2).

Pagina 12 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea în domeniul transformat
Transformata Fourier Discretă Bidimensională

Pagina 13 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea în domeniul transformat
Transformata Fourier Discretă Bidimensională Inversă

Pagina 14 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea în domeniul transformat
Funcţiile de bază asociate 2D-DFT

Partea reală Partea imaginară

Frecvenţele înalte sunt situate în mijlocul pătratului pe poziţia:

Pagina 15 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea în domeniul transformat
Proprietăţi:

1. Liniaritate:

2. Convoluţia periodică:

3. Înmulţire:

4. Separabilitatea:

Pagina 16 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea în domeniul transformat
Proprietăţi:

5. Întârzierea:

6. Teorema lui Parseval :

7. Energia semnalului:

Pagina 17 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea în domeniul transformat
Transformata Cosinus Discretă Bidimensională

Pagina 18 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea în domeniul transformat
Transformata cosinus discretă inversă:

Funcţiile de bază asociate 2D-DCT

Pagina 19 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea în domeniul transformat
Transformata Wavelet
O funcţie wavelet unidimensională

O familie de funcţii wavelet poate fi construită plecând de la funcţia de bază:

Analiza wavelet constă în aproximarea semnalului analizat pe baza de funcţii wavelet:

Pagina 20 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea în domeniul transformat
Transformata Wavelet
Transformata Wavelet unidimensională a unui semnal x(t) la momentul de timp u si scală s se
defineşte astfel:

Comparaţie între rezoluţiile timp-frecvenţă asociate transformatelor Fourier şi Wavelet.

Pagina 21 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Codarea în domeniul transformat
Transformata SVD (Singular Value Decomposition)

Transformata SVD este utilizată într-o serie de aplicații precum: aproximarea celor mai mici
pătrate, motoare de căutare sau compresia imaginilor statice.

Se urmărește factorizarea unei matrice pătratice A într-un set de matrice U, S și VT.

unde U și V sunt matrice ortogonale (coloanele formează perechi de vectori ortonormali, i.e.,
vectori de norma 1 si ortogonali doi câte doi).

Matricea S este o matrice diagonală ale cărei elemente sunt structurate în ordine descrescătoare:
de-a lungul diagonalei principale.

Numerele pozitive ordonate descrescător se mai numesc valori

singulare ale matricei A.
Pagina 22 Facultatea de Electronică, Telecomunicaţii şi
SM – curs 3
Tehnologia Informaţiei
 Codarea în domeniul transformat
Transformata SVD (Singular Value Decomposition)

Pentru a determina valorile matricelor U, S și V este necesară calcularea perechilor valori

proprii - vectori proprii ale matricei simetrice pozitiv semidefinite:

Toate valorile singulare pozitive ale matricei sunt rădăcinile pătrate pozitive ale
valorilor proprii pozitive ale matricei B.

Dacă sunt cele r valori proprii pozitive ale matricei B, atunci:

Vectorii proprii se determină utilizând ecuația de mai jos:

Ecuația de mai sus indică faptul că valorile proprii sunt rădăcinile ecuației polinomiale:

De exemplu, se consideră o matrice A de dimensiune 3 x 3 definită astfel:

Să se calculeze transformata SVD.

Pagina 23 Facultatea de Electronică, Telecomunicaţii şi
SM – curs 3
Tehnologia Informaţiei
 Codarea în domeniul transformat
Transformata SVD (Singular Value Decomposition)

Valorile proprii se vor calcula astfel:

Valorile singulare pozitive se determină plecând de la valorile proprii ca:

Astfel matricea S este egală cu:

Setul ortonormat de vectori proprii al pentru se poate calcula astfel:

Pagina 24 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
:.

Codarea în domeniul transformat

Transformata SVD (Singular Value Decomposition)

Alegem și
Vectorul de valori proprii are norma ceea ce implică faptul că prima coloană
a matricei U este:

Pentru vectorul de valori proprii se determină în mod similar:

și pentru se obține:

Pagina 25 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
.:

Codarea în domeniul transformat

Transformata SVD (Singular Value Decomposition)
Astfel matricea U este egală cu:

Setul ortonormat de vectori proprii pentru AT A, pe baza cărora se calculează matricea V, se

poate determina în mod similar astfel:

ce are valorile proprii și este egal cu:

Astfel matricea V este egală cu:

Pagina 26 Facultatea de Electronică, Telecomunicaţii şi

SM – curs 3
Tehnologia Informaţiei
 Întrebări

Pagina 27 Facultatea de Electronică, Telecomunicaţii şi

SCCV – curs 3
Tehnologia Informaţiei