Post on 18-Apr-2015
Processamento Digital de Imagens
Utilização de Wavelets na
Multiresolução de Imagens
Autores: Danilo Palomo Olga Oliveira
Professora: Leila M. Fonseca
Organização da Apresentação
Introdução
Multiresolução através de Wavelets
Multiresolução no contexto da TerraLib
Estratégia Proposta
Resultados Experimentais
Conclusões e Trabalhos Futuros
Demonstração da Ferramenta Desenvolvida
Introdução
Problema: Multiresolução Representar objetos em
diferentes escalas e permitir que cada objeto seja
visualizado com o nível de detalhamento necessário.
Introdução
Objetivo: Analisar a utilização de Transformadas
Wavelet no problema de visualização de imagens no
contexto da TerraLib.
Estratégia: Implementação de um sistema de
visualização de imagens.
Motivação: Oferecer à TerraLib uma maneira distinta e
eficaz de trabalhar com diferentes escalas.
Realizar sucessivas passagens de filtros passa-banda decompondo os sinais a cada passo, em detalhes e aproximação. A partir de uma imagem de entrada são passados filtros
sucessivos nas linhas e nas colunas.
Multiresolução com Wavelets
Multiresolução com Wavelets
Imagem Original 1 Imagem de Aproximação
Filtros passa-baixa nas linhas e nas colunas. 3 Imagens de Detalhes
Detalhes na Vertical: filtro passa-alta nas linhas e passa-baixa nas colunas.
Detalhes na Horizontal: filtro passa-baixa nas linhas e passa-alta nas colunas.
Detalhes na Diagonal: filtros passa-alta nas linhas e nas colunas.
Vantagens: Possibilita visualizar as imagens em diferentes níveis de acordo
com a necessidade. Pode-se desprezar a imagem original e as imagens de
aproximação, excetuando-se a última. Armazena-se apenas as sub-imagens de detalhes (coeficientes
calculados no processo de decomposição) e a menor sub-imagem de aproximação.
A recuperação é realizada através da reconstrução.
Desvantagem: Pode-se gerar algumas perdas da qualidade da imagem
recuperada. Tempo gasto no processo de reconstrução da imagem.
Multiresolução com Wavelets
A multiresolução é implementada atualmente através do armazenamento da imagem em múltiplas escalas. Reamostragem: cada 4 pixels de uma imagem em uma escala
maior gera um pixel de uma imagem menor.
Para armazenar as imagens em suas diversas escalas, utiliza-se uma compactação (ZLib).
O que poderia ser melhorado Tempo gasto no carregamento da imagem. Espaço utilizado para armazenamento. Tempo gasto na recuperação da imagem.
Multiresolução na TerraLib
Otimizar o espaço utilizado: Utilizamos junto com as Wavelets o algoritmo de compressão
EZW (Embedded ZeroTree Wavelet).
Imagens grandes: Blocagem: dividindo a imagem original em imagens menores.
Estratégia Proposta
Decomposição de uma imagem Abstrata: 17 KB - 128 x 128
Resultados Experimentais
Decomposição de uma imagem Lena: 257 KB - 512 x 512
Resultados Experimentais
Utilização de Memória e Tempo Gasto:
Espaço de Armazenamento:
Resultados Experimentais
Resultados Experimentais
Resultados Experimentais
Decomposição de uma imagem CBERS Cascavel Banda 4: 42508 KB - 6815 x 6387
Resultados Experimentais
Nível 2 Nível 5
Decomposição de uma imagem CBERS Cascavel Banda 4
Resultados Experimentais
Resultado Comparativo da Imagem de Cascavel:
Recomposição da Imagem de Cascavel:
Resultados Experimentais
A utilização de Wavelets no contexto da TerraLib pode trazer vantagens: Ganho de tempo de carga da imagem. Ganho de espaço utilizado de armazenamento.
Precisa ser resolvido o problema do tempo de recuperação para o problema de mostrar muito blocos.
A utilização de Wavelets é viável para fazer multiresolução de imagens.
Conclusões
Utilizar distintas famílias de Wavelets no contexto específico.
Testar outros algoritmos de compressão.
Alterações no sistema desenvolvido: Aceitar imagens coloridas. Aceitar outros formatos de imagens. Resolver o problema do tempo de recuperação da imagem.
Incorporar as Wavelets na TerraLib.
Trabalhos Futuros
Referências
[1] P. S. Addison. The little wave with the big future. Physics World, 17(3):35ñ39, March 2004. [2] L. M. T. Carvalho, L. M. G. Fonseca, F. Murtagh, and J. G. P. W. Clevers. Analysis of changes at multiple spatial scales. International Archives of Photogrammetry and Remote Sensing, vol XXXIII, part B7/1, commission VII:340ñ346, 2000. [3] G. Càamara, R. Souza, and et al. Terralib: Technology in support of gis innovation. II Brazilian Symposium on Geoinformatics, GeoInfo2000, 2000. [4] I. Daubechies. Ten Lectures on Wavelets. SIAM Books, Philadelphia, PA, 1992. [5] J. Gomes and L. Velho. From fourier analysis to wavelets. SIGGRAPH'99 Course Notes 5, SIGGRAPH-ACM publication, august 1998. [6] R. C. Gonzalez and R. E. Woods. Processamento de Imagens Digitais. Editora Edgard Blucher Ltda, 2000. [7] S. Mallat. Multiresolution approximation and wavelets. Trans. Amer. Math. Soc., 315:69ñ88, 1989. [8] J. M. Shapiro. Embeddeded image coding using zerotrees of wavelet coefcients. IEEE Transactions on Signal Processing, 41(12):3445ñ3462, 1993. [9] J. L. Starck, F. Murtagh, and A. Bijaoui. Image Processing and Data Analysis: the multiscale approach. Cambridge University Press, United Kingdom, 1998.