Návrh algoritmů komprese vědeckých obrazových dat v prostředí MATLAB

Podobné dokumenty
KLT kodér v Matlabu. Petr Páta. Katedra radioelektroniky, K337, ČVUT FEL Praha, Technická 2, , Praha 6

Simulace zpracování optické obrazové informace v Matlabu. Petr Páta, Miloš Klíma, Jaromír Schindler

NOVÉ METODY HODNOCENÍ OBRAZOVÉ KVALITY

Jasové transformace. Karel Horák. Rozvrh přednášky:

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15

SIMULACE OBRAZOVÉHO KODÉRU NA BÁZI 3D KLT

Jan Kaiser ČVUT, Fakulta elektrotechnická, katedra Radioelektroniky Technická 2, Praha 6

KOMPRESE OBRAZŮ. Václav Hlaváč, Jan Kybic. Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání.

Katedra radioelektroniky K13137, FEL ČVUT Praha. zakódování dané informace. Tento trend postihl i oblast záznamu a přenosu širokopásmových

Zpracování obrazu a fotonika 2006

KOMPRESE OBRAZŮ. Václav Hlaváč. Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání. hlavac@fel.cvut.

SIMULACE OBRAZOVÝCH VAD POMOCÍ MATLABU

DIGITÁLNÍ VIDEO. pokus o poodhalení jeho neskutečné obludnosti (bez jednosměrné jízdenky do blázince)


Restaurace (obnovení) obrazu při známé degradaci

Astronomický ústav. Akademie věd České republiky, v. v. i. Čeští astronomové jako první zachytili optický dosvit gama záblesku

Kompresní metody první generace

BPC2E_C09 Model komunikačního systému v Matlabu

Konstrukční varianty systému pro nekoherentní korelační zobrazení

Čas (s) Model časového průběhu sorpce vyplývá z 2. Fickova zákona a je popsán následující rovnicí

V TOMTO ČÍSLE ŘÍJEN /astronomie-na-skolach /moodle /klub

Projekt Brána do vesmíru

Grafika na počítači. Bc. Veronika Tomsová

VIDEO VQ-KODÉR IMPLEMENTACE V MATLABU

Předmluva 9 Obsah knihy 9 Typografické konvence 10 Informace o autorovi 10 Poděkování 10

DETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH

Přednáška 13 Redukce dimenzionality

ASTRONOMICKÝ ÚSTAV AV ČR, v. v. i.

Projekt Brána do vesmíru

Statistické zpracování družicových dat gama záblesků

Optimalizace zobrazovacího procesu digitální mamografie a změny zkoušek provozní stálosti. Antonín Koutský

Sezimovo Ústí Výroční zpráva 1999

Virtual Universe Future of Astrophysics?

Procesní audit VIKMA

Modulační parametry. Obr.1

Moderní multimediální elektronika (U3V)

GIS ANALÝZA VLIVU DÁLNIČNÍ SÍTĚ NA OKOLNÍ KRAJINU. Veronika Berková 1

Pořízení rastrového obrazu

Spektrální charakteristiky

vzorek vzorek

Objevena česká proměnná hvězda v naší Galaxii

Kurz digitální fotografie. blok 1 data/úpravy fotografií

MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky

Teorie systémů TES 3. Sběr dat, vzorkování

SOFTWARE PRO ANALÝZU LABORATORNÍCH MĚŘENÍ Z FYZIKY

aneb jiný úhel pohledu na prvák

DIGITÁLNÍ FOTOGRAFIE

Moderní multimediální elektronika (U3V)

Kvalita zvuku a obrazu v elektronických komunikacích aneb Ještě chceme HiFi?

Brána do vesmíru. Hvězdárna Valašské Meziříčí, p. o. Krajská hvezdáreň v Žiline

POZNÁMKY K PŘEDMĚTU PROJEKT

MATLAB PRO PODPORU VÝUKY KOMUNIKAČNÍCH SYSTÉMŮ

Automatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář,

K většině poznatků o vesmíru přispěla astrofotografie. Ale tématem přednášky bude spíše seznámení se s fotografií krás oblohy, ne vědecký výzkum.

Technická kybernetika. Obsah. Principy zobrazení, sběru a uchování dat. Měřicí řetězec. Principy zobrazení, sběru a uchování dat

Digitální astronomická. fotografie. zimní semestr Radek Prokeš. FJFI ČVUT v Praze

Projekt Brána do vesmíru

lní model gravitačního pole z inverze dráhových dat družic CHAMP, GRACE a GOCE

Kosinová transformace 36ACS

Quantization of acoustic low level signals. David Bursík, Miroslav Lukeš

ASTRONOMICKÉ informace - 3/2010 Hvězdárna v Rokycanech, Voldušská 721, Rokycany

UMÍ POČÍTAČE POČÍTAT?

PRÁCE S VIDEEM. Název šablony: III/2-1, Výuka IVT na 2. stupni práce s videem

Hardwarové zpracování obrazu

Identifikátor materiálu: ICT-1-19

On-line škola mladých autorů , pořadatel: ČVUT FEL. Jak na obrázky? Martin Žáček

Datové formáty videa a jejich využití. Tomáš Kvapil, Filip Le Manažerská informatika Multimédia

Kapacita jako náhodná veličina a její měření. Ing. Igor Mikolášek, Ing. Martin Bambušek Centrum dopravního výzkumu, v. v. i.

Obrazové snímače a televizní kamery

Obrazové snímače a televizní kamery

Snímání počítačových modelů lidského těla a jejich užití ve fyzioterapii. Ing. Adam Chromý doc. Ing. Luděk Žalud, Ph.D.

VYHLÁŠKA o způsobu stanovení pokrytí signálem zemského rozhlasového vysílání šířeného ve vybraných kmitočtových pásmech Vymezení pojmů

Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy

Návrh frekvenčního filtru

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Příklady použití tenkých vrstev Jaromír Křepelka

VYUŽITÍ MATLABU PRO PODPORU VÝUKY A PŘI ŘEŠENÍ VÝZKUMNÝCH ÚKOLŮ NA KATEDŘE KOMUNIKAČNÍCH A INFORMAČNÍCH SYSTÉMŮ

Analýza a zpracování signálů

Numerické metody a programování. Lekce 8

KONTROLA PŘESNOSTI VÝROBY S VYUŽITÍM MATLABU

SPEKTRÁLNÍ ANALÝZA METEORŮ HVĚZDÁRNA VALAŠSKÉ MEZIŘÍČÍ

Ing. Jiří Fejfar, Ph.D. Dálkový průzkum Země

Popis zobrazení pomocí fuzzy logiky

Tiskové prohlášení České astronomické společnosti a Astronomického ústavu AV ČR číslo 190 ze

MULTIMEDIÁLNÍ A HYPERMEDIÁLNÍ SYSTÉMY

Studium časového vývoje erupcí v čarách vodíku a vápníku

VIDEO DATOVÉ FORMÁTY, JEJICH SPECIFIKACE A MOŽNOSTI VYUŽITÍ SMOLOVÁ BÁRA

Vlastníma očima Encyklopedie VESMÍRU Interaktivní průvodce vesmírem

Získání obrazu Dlouhodobá reprodukovatelnost standardního nastavení expozice Homogenita receptoru obrazu Nekorigovaný vadný prvek detektoru

Distribuované sledování paprsku

Digitální magnetický záznam obrazového signálu

Technický boroskop zařízení na monitorování spalovacích procesů

Geometrická optika. Vnímání a měření barev. světlo určitého spektrálního složení vyvolá po dopadu na sítnici oka v mozku subjektivní barevný vjem

Proč studovat hvězdy? 9. 1 Úvod Energetické úvahy Zjednodušení použitá při konstrukci sférických modelů Model našeho Slunce 15

Podmínky k zápočtu z předmětu KOF/AP

Projekt Brána do vesmíru. Hvězdárna Valašské Meziříčí, p. o. Krajská hvezdáreň v Žiline

ASTRONOMICKÝ ÚSTAV Akademie věd České republiky, v. v. i. Fričova Ondřejov telefon:

STŘEDOŠKOLSKÁ ODBORNÁ ČINNOST

Optimalizace provozních podmínek. Eva Jarošová

1 Základní funkce pro zpracování obrazových dat

Transkript:

Návrh algoritmů komprese vědeckých obrazových dat v prostředí MATLAB Petr Páta Katedra radioelektroniky, K337, ČVUT FEL Praha, Technická 2, 166 27, Praha 6 E-mail: pata@fel.cvut.cz Abstrakt Vědecká obrazová data patří mezi naprosto speciální třídu dat, které vyžadují přizpůsobené zpracování. Na straně snímací, zpracovávající i vyhodnocující je zpravidla výpočetní stroj a člověk zde vykonává pouze dohled a provádí případnou optimalizaci navržených algoritmů. Je tedy nevhodné použít k archivaci dat algoritmy navržené z hlediska subjektivního zpracování lidským zrakem (jako jsou normy JPEG, MPEG atd.). V práci je popsán alternativní kodér navržený v programovém prostředí MATLAB k archivaci astronomických dat. Popsaná metoda vychází z vlastností Karhunenovy-Loeveho transformace. 1. Úvod Komprese obrazových dat je moderní disciplínou a i v současné době vysokých výpočetních výkonů spojené se stále rostoucí kapacitou záznamových médií stále aktuální. Drtivá většina kompresních metod je orientovaná směrem k multimediálním aplikacím. Jejich účinnost je hodnocena s ohledem na subjektivní vjem. Tak jsou vytvářeny kvantizační tabulky např. v normách JPEG, JPEG a nebo třeba pro sekvence snímků MPEG. Tyto standardy jsou účinné a nabízejí nám mocný nástroj ve všech odvětvích, kde je zpracovatelem člověkem a hodnotitelem lidský zrak. Samozřejmě existují oblasti ve kterých zpracování provádí výpočetní stroj. Oblastí se širokou působností je lékařství. Zde navržené algoritmy musí vyhovovat důležitému kritériu: Nepoškodit diagnostickou hodnotu zpracovávaných dat! Často zde počítač slouží pouze k archivaci, předzpracování a případnému zobrazení dosažených výsledků. Vždy je ovšem na konci celého řetězce lékař, který na základě předzpracování provedu diagnostické vyhodnocení dat. Při formulaci vhodných kompresních algoritmů pro tuto oblast lidské činnosti je možné vycházet právě z výše uvedených standardů. Poněkud odlišná situaci je třeba v astronomii, dálkovém průzkumu Země nebo v analýze radarových dat. Zde je na straně snímací, zpracovávající i analyzující zpravidla automatický výpočetní stroj. Pro takové aplikace je naprosto nevhodné vycházet ze standardů založených na vlastnostech lidského vnímání. Často bychom mohli dojít i k naprosto chybným závěrům. Tato práce je zaměřena na formulaci vhodné kompresní metody k archivaci astronomických dat. Tyto data jsou charakteristická svými velkými rozměry, vysokou bitovou hloubkou a často nízkým odstupem signálu od šumu. Specifické je také následné zpracování a jejich vyhodnocení. 2. Systém BOOTES Pro analýzu podanou v této práci byla vybrána obrazová data získaná automatickým systémem BOOTES (Burst Observer and Optical Transient Exploring System). Systém byl

vytvořen k systematickému sběru obrazových dat, jejich vyhodnocení a následné archivaci. Cílem je nalézt optické projevy záblesků v oblasti tvrdého záření gama, jevu který stále nemá spolehlivé vysvětlení. Doprovodným programem je hledání změny jasnosti aktivních galaktických jader, supernov nebo dlouhodobě proměnných hvězd. Jedny z prvních pozitivních výsledků jsou popsány v [5]. První část experimentu BOOTES byla plně zprovozněna v červenci 1998 [1]. Stanice BOOTES-1A je umístěna v EL Aeronosillo blízko města Huelva na jihu Španělska v Meteorologickém ústavu INTA (Instituto Nacional de Técnica Aerospacial). Stanice je koncipovaná jako pozemní část připravovaného satelitu INTEGRAL společnosti ESA. Je třeba také poznamenat, že je připravován a vlastněn třemi institucemi LAEFF INTA (Španělsko), Astronomickým ústavem ČAV (Česká Republika) a katedrou radioelektroniky FEL ČVUT v Praze (Česká Republika). Stanice BOOTES-1A je vybavena čtyřmi CCD kamery s vysokým rozlišením SBIG ST-8. Kamery pracují v netelevizním režimu a jsou umístěny na dalekohledu s průměrem 0.3 m typu Schmidt-Cassegrain. Navržená koncepce umožňuje dlouhodobý monitoring předem vybraného regionu. Kamery sledují stejnou část oblohy ve spektrálních oblastech I a V v plně automatickém módu. Obě širokoúhlé (f = 50 mm) a ultraširokoúhlé (f = 18-28 mm) kamery jsou ovládány programem OTM (Optical Transient Monitor) [2]. Mezní magnituda detekovatelná systémem samozřejmě závisí především na pozorovacích podmínkách. Typická hodnota se pohybuje okolo 11 mag v oblasti I pro integrační dobu rovnou 30 s a 13 mag pro 300 s. obr 0 M7-300FF.dat. Snímek Mlečné dráhy a objektu M7 širokoúhlou kamerou systému BOOTES. obr 0 M42-Sat.dat. Snímek mlhoviny M42 ze souhvězdí Orion se stopou družice. Snímek typu DEEP SKY pořízený systémem BOOTES. Každý zaznamenaný snímek v plném rozlišení obsahuje asi 1024 x 1536 x 16 = 3.15 MB dat. Datový tok typické provozu stanice obsahuje asi 378 MB za hodinu pro expoziční dobu mezi 30 60 s v plně automatickém provozu [2]. Celkové množství dat získaných během typického ročního provozu stanice je více než 1000 GB. Tento odhad je učiněn pro běžné pozorovací podmínky zahrnující více 300 jasných nocí charakteristický počet pro pozorovací lokalitu a průměrný 8 hodinový pozorovací cyklus. Vysoký objem získaných dat přímo předurčuje nutnost hledání vhodného kompresního algoritmu, který by objem dat vhodně snížil. Bezeztrátové kódovací algoritmy jsou často využívány pro redukci objemu vědeckých dat. Nepřinášejí žádné zkreslení do zpracovávaných dat, ale také nedosahují vysokých kompresních poměrů. Typický kompresní poměr se pohybuje mezi 1:2 až 1:4 pro optimalizované algoritmy [4]. Ztrátové metody dosahují vysokých kompresních poměru za cenu nevratného poškození resp. zkreslení

rekonstruovaných dat. Je tedy velice důležité hledat optimální kompresní algoritmus, který bude minimalizovat zkreslení informace důležité pro další zpracování. V této práci je prezentován rozbor kodéru a dekodéru vědeckých obrazových dat připraveného v programovém prostředí MATLAB. Nástroj je založený na integrální obr 3 Autokorelační funkce snímku 3n7293.01.dat. Zástupce třídy typu DEEP SKY. obr 4 Schéma kodéru vědeckých obrazových dat. transformaci známé jako KLT (Karhunenově Loeveho transformaci) nebo také PCA (Prinicipal Component Analysis). 3. Vstupní obrazová data Datový kodér je optimalizovaný pro čtyři odlišné druhy snímků. Do první kategorie spadá záznam tepelně generovaného náboje tzv. temný snímek, který se používá k aditivní kompenzaci šumu snímače. Druhá kategorie zahrnuje korekční snímky obrazových parametrů celé soustavy. Obsahuje snímky označované jako flat field. Ty jsou multiplikativním nástrojem k vyrovnání citlivosti soustavy. Zbylé dvě skupiny obsahují světlé snímky ze širokoúhlých (třetí kategorie) a dlouho ohniskových kamer (čtvrtá kategorie). Snímky z obou tříd se liší především stupněm pokrytí objekty, jejich rozměry a charakterem scény. Na obr. 1 je příklad typického širokoúhlého snímku a je na něm patrný vysoký počet objektů vyskytujících se na scéně. Na obr. 2 je vidět srovnání se snímkem získaným v primárním

ohnisku Schmidtova-Cassegrainova dalekohledu systému. Obrázek patří do poslední, čtvrté kategorie pospaných snímků. 4. Karhunenův-Loeveho rozklad a dimenze Hilbertova prostoru Z důvodu zvýšení výpočetního výkonu byl každý snímek rozdělen do bloků o rozměrech N 1 x N 2. Budeme ke každému bloku přistupovat jako k jedné realizaci náhodného jevu. Potom každou submatici (tj. blok) je možné považovat za element Hilbertova vektorového prostoru V s konečnou dimenzí. Normu prostoru V definujeme na základě skalárního násobení (podrobněji viz [3]). Ukazuje se, že optimální dimenze prostoru V se pohybuje mezi N 1 = N 2 = 26 36 obrazovými body pro obrazové matice s rozměry 1536 x 1024 a kamery pracující v nebiningovém režimu. Tento závěr byl učiněn na základě analýzy průběhu autokorelační funkce (viz obr. 3) a optimalizace měření výpočetní náročnosti, jak je zobrazeno. 5. Redukce objemu dat Spektrální koeficienty KLT jsou seřazeny v závislosti na významu jednotlivých prvků. Jako váhovací koeficient byly zvoleny velikosti odpovídajících vlastních čísel kovarianční matice vstupních dat. Dosažení optimálního kompresního poměru probíhá v několika krocích (viz obr. 4) 1. Výběr vhodných bázových vektorů prostoru V. 2. Dekorelace obrazových dat ve spektru KLT. 3. Redukce počtu spektrálních koeficientů. 4. Nelineární (optimalizovaná) kvantizace spektrálních koeficientů. 5. Příprava datového toku a jeho bezeztrátová komprese založená na Huffmanově kodéru. 6. Výpočet chybové matice. 6. Závěr Komprese vědeckých obrazových dat klade naprosto speciální požadavky na formulaci kompresních algoritmů. Hodnotitelem a zpracovatelem rekonstruovaných dat není v drtivé většině člověk a lidský zrak, ale nezávislý výpočetní stroj s jednoznačně definovaným algoritmem. Optimalizace návrhu kodéru je pak odlišná od postupů použitých při formulaci rozšířených multimediálních standardů JPEG, MPEG atd. Jednou z možností, je použít metodu, která vhodným způsobem dekoreluje obrazová data a respektuje jejich speciálnost. Takovou metodou by mohla být Karhunenova-Loeveho transformace, která plně dekoreluje vstupní data z hlediska střední kvadratické odchylky. 7. Poděkování Tato práce byla podpořena výzkumným záměrem Research in the Area of Information Technologies and Communications ČVUT číslo J04/98:212300014. Část práce byla také částečně podpořena výzkumným grantem IGS 300109913 The Scientific Image Data Optical Processing ČVUT v Praze.

8. Literatura [1] Castro Tirado A. J., Soldán J., Bernas M., Páta P., Hudec R., Sanguino T. M., de la Morena B., Berná J. A., de Ugarte A., Gorosabel J., Más-Hesse, J. M., Gimenéz A., First Results from the Burst Observer and Optical Transient Exploring System Station 1 (BOOTES-1), AIP vol. CP 526, pp. 260, 2000. [2] Páta P., Bernas M., The Optical Transient Monitor a Sky Monitoring System, Workshop 2001 CTU, Praha, 294, 2001. [3] Páta P., Karhunen-Loeve Expansion of Scientific Images, POSTER 2000 CTU, Praha, 2000. [4] Castro Tirado A. J., Castro Cerón J. M., Gorosabel J., Páta P., Soldán J., Hudec R., Bernas M., Sanguino T. M., de Ugarte A., de la Morena B., Berná J. A., Más-Hesse, J. M., Gimenéz, A., Vrba F., Canzian B., Harris H., Delfosse X., Sánchez-Fernández C., Torres Riera J., Barthelmy S., Detection of an Optical Transient 4-min aftes the Occurence of the 13 March Short Gamma-ray Burst, submitted to Astronomy and Astrophysics 2001.