|
|
Audio Signal Declipping and Dequantization Using Sparsity-Based Methods
Záviška, Pavel ; Šroubek,, Filip (referee) ; Koldovský,, Zbyněk (referee) ; Rajmic, Pavel (advisor)
Audio signály jsou náchylné k různým typům poškození, přičemž jedním z nejčastějších a nejproblematičtějších druhů poškození je clipping. Tato dizertační práce se zaměřuje na rekonstrukci zvukových signálů poškozených nelineárním zkreslením s hlavním zaměřením na declipping a dekvantizaci a popisuje vědecký přínos v této oblasti s využitím metod založených na řídké reprezentaci. První část dizertační práce se zabývá problematikou declippingu a představuje několik přístupů založených na řídkých reprezentacích signálů. Součástí je jak originální výzkum, tak i převzaté algoritmy, které však byly v rámci této práce reimplementovány nebo modifikovány. Kvalita výstupů rekonstrukčních algoritmů je vyhodnocena jak pomocí ukazatele SDR, tak i s využitím percepčně založených metrik. V další části se práce zaměřuje na zakomponování psychoakustiky do problému declippingu pomocí váhování transformačních koeficientů s třemi navrženými způsoby konstrukce vah. Je zde dokázáno, že při správně zvolených vahách je možné výrazně zlepšit kvalitu rekonstrukce a vyrovnat se tak nejlepším algoritmům při zachování nízké výpočetní náročnosti. V poslední části práce je pozornost je také věnována metodám umožňujícím odchylku ve spolehlivé části signálu. V tomto směru práce zkoumá percepční vliv prostého nahrazení těchto spolehlivých vzorků, identifikuje jeho hlavní nevýhody a následně představuje metody, které kompenzují negativní efekty způsobené tímto nahrazením. Je ukázáno, že s využitím těchto technik je možné bez významného navýšení výpočetní náročnosti výrazně zlepšit dosaženou kvalitu rekonstrukce. Vybrané algoritmy jsou rovněž aplikovány na problém audio dekvantizace. Součástí práce jsou repozitáře obsahující implementace všech představených metod.
|
|
|
Restoration of signals after passing through the limiter with the use of psychoacoustic model
Kramář, Denis ; Rajmic, Pavel (referee) ; Záviška, Pavel (advisor)
This bachelor thesis deals with the use of sparse representaions for the purpose of restoration clipping-damaged audiosignal. First, a theory of limiter and signal limiting itself is discussed. Subsequently, some of present methods based on sparse representations theory are given. The theory of sparse representations is discussed in following chapture. After that is here described a psychoacoustic model and it's use for declipping. At the end of theoretical part, two methods dealing with this problem are introduced. First is based on synthesis model of signal using Douglas-Rachford algorithm. Second is based on analysis signal model using Chambolle-Pock algorithm. In the next part is their implementation in the Matlab environment. Finally, the result achieved by both algorithms are evaluated.
|
|
|
Optimal methods for sparse data exchange in sensor networks
Valová, Alena ; Poměnková, Jitka (referee) ; Rajmic, Pavel (advisor)
This thesis is focused on object tracking by a decentralized sensor network using fusion center-based and consensus-based distributed particle filters. The model includes clutter as well as missed detections of the object. The approach uses sparsity of global likelihood function, which, by means of appropriate sparse approximation and the suitable dictionaty selection can significantly reduce communication requirements in the decentralized sensor network. The master's thesis contains a design of exchange methods of sparse data in the sensor network and a comparison of the proposed methods in terms of accuracy and energy requirements.
|
|
|
Compressive sampling for effective target tracking in a sensor network
Klimeš, Ondřej ; Veselý, Vítězslav (referee) ; Rajmic, Pavel (advisor)
The master's thesis deals with target tracking. For this a decentralized sensor network using distributed particle filter with likelihood consensus is used. This consensus is based on a sparse representation of local likelihood function in a suitable chosen dictionary. In this thesis two dictionaries are compared: the widely used Fourier dictionary and our proposed B-splines. At the same time, thanks to the sparsity of distributed data, it is possible to implement compressed sensing method. The results are compared in terms of tracking error and communication costs. The thesis also contains scripts and functions in MATLAB.
|
|
|
Audio restoration based on sparse signal representations
Záviška, Pavel ; Průša, Zdeněk (referee) ; Rajmic, Pavel (advisor)
This Master's Thesis deals with the issue of audio clipping and the application of sparse represenations model for the task of declipping. First, a general theory of clipping is described, followed by a brief overview of existing methods and a description of the general theory concerning sparse representations of signals and bases, respectively frames. Subsequently, two methods solving declipping problem based on sparse representations are intruduced. The first method uses the Generic proximal algorithm for convex optimization, the second one uses the Douglas-Rachford algorithm. The above mentioned methods have been programmed in the Matlab environment. The results of the declipping methods are evaluated according to SNR, PEMO-Q and also by subjective listening tests.
|
|
| |
|
|
Alternative JPEG image decoder
Bureš, Jiří ; Štarha, Pavel (referee) ; Rajmic, Pavel (advisor)
This thesis deals with the JPEG image codec, edge detection in images, sparse signal representations and proximal algorithms. First, the operation of the JPEG encoder and decoder and the theory underlying it are described. Then, based on the theoretical knowledge, a new proximal algorithm is constructed and implemented in an existing JPEG algorithm in order to remove block relics in the decoded image. The programming side is solved in Matlab environment. The results are evaluated using MSE, PSNR and SSIM methods.
|
|
|
Image Edge Detection Using Convex Optimisation
Novosadová, Michaela ; Róka, Rastislav (referee) ; Dostál, Otto (referee) ; Rajmic, Pavel (advisor)
Detekce hran v obraze je jednou z nejdůležitějších technik v oblasti digitálního zpracování obrazu. Bývá používána, mimo jiné, jako první krok segmentace obrazu. I proto stále zůstává v oblasti zájmu vědců, kteří se snaží vyvíjet stále lepší detekční přístupy. Hlavním cílem této práce je nalezení vhodné metody detekce hran v obraze pomocí konvexní optimalizace. Navržená metoda je založená na řídkém modelování, a její hlavní část je formulována jako konvexní optimalizační problém, který je řešen pomocí proximálních algoritmů. Pro definici optimalizačního problému se předpokládá, že signál může být modelován jako přeparametrizovaný po částech polynomiální signál, který se skládá z disjunktních segmentů. Počet těchto segmentů je výrazně menší než je počet vzorků signálu, což vybízí k použití řídkosti. Návrh vhodného optimalizačního problému nejdříve probíhá na jednorozměrných signálech, jelikož implementace a porovnání jednotlivých algoritmů je pro jednorozměrné signály výrazně jednodušší a časově méně náročná, než pro dvojrozměrné. První část práce se věnuje představení základní teorie z oblasti zpracování signálu, řídkosti, konvexní optimalizace a proximálních algoritmů, a dále prezentuje průřez používanými metodami pro hranovou detekci v obraze. Druhá část práce se zaměřuje na návrh a následné vyhodnocení jednotlivých optimalizačních problémů pro segmentaci jednorozměrných syntetických signálů, které jsou poškozeny šumem. Vyhodnocení je provedeno jak z pohledu přesnosti detekce skoků tak i odšumění. Poslední část práce je věnována rozšíření nejlépe fungujícího přístupu k detekci skoků v jednorozměrném signálu pro použití na detekci hran v obraze. V této části je navržený přístup testován na standardizovaném datasetu obrázků, který obsahuje manuálně označené hrany od několika subjektů. Výsledky navržené metody jsou vyhodnoceny pomocí precision-recall křivek a jejich maximálního F skóre a následně porovnány s ostatními metodami hranové detekce.
|
|
|
Audio Signal Declipping and Dequantization Using Sparsity-Based Methods
Záviška, Pavel ; Šroubek,, Filip (referee) ; Koldovský,, Zbyněk (referee) ; Rajmic, Pavel (advisor)
Audio signály jsou náchylné k různým typům poškození, přičemž jedním z nejčastějších a nejproblematičtějších druhů poškození je clipping. Tato dizertační práce se zaměřuje na rekonstrukci zvukových signálů poškozených nelineárním zkreslením s hlavním zaměřením na declipping a dekvantizaci a popisuje vědecký přínos v této oblasti s využitím metod založených na řídké reprezentaci. První část dizertační práce se zabývá problematikou declippingu a představuje několik přístupů založených na řídkých reprezentacích signálů. Součástí je jak originální výzkum, tak i převzaté algoritmy, které však byly v rámci této práce reimplementovány nebo modifikovány. Kvalita výstupů rekonstrukčních algoritmů je vyhodnocena jak pomocí ukazatele SDR, tak i s využitím percepčně založených metrik. V další části se práce zaměřuje na zakomponování psychoakustiky do problému declippingu pomocí váhování transformačních koeficientů s třemi navrženými způsoby konstrukce vah. Je zde dokázáno, že při správně zvolených vahách je možné výrazně zlepšit kvalitu rekonstrukce a vyrovnat se tak nejlepším algoritmům při zachování nízké výpočetní náročnosti. V poslední části práce je pozornost je také věnována metodám umožňujícím odchylku ve spolehlivé části signálu. V tomto směru práce zkoumá percepční vliv prostého nahrazení těchto spolehlivých vzorků, identifikuje jeho hlavní nevýhody a následně představuje metody, které kompenzují negativní efekty způsobené tímto nahrazením. Je ukázáno, že s využitím těchto technik je možné bez významného navýšení výpočetní náročnosti výrazně zlepšit dosaženou kvalitu rekonstrukce. Vybrané algoritmy jsou rovněž aplikovány na problém audio dekvantizace. Součástí práce jsou repozitáře obsahující implementace všech představených metod.
|
|
|
Big data - extraction of key information combining methods of mathematical statistics and machine learning
Masák, Tomáš ; Antoch, Jaromír (advisor)
This thesis is concerned with data analysis, especially with principal component analysis and its sparse modi cation (SPCA), which is NP-hard-to- solve. SPCA problem can be recast into the regression framework in which spar- sity is usually induced with ℓ1-penalty. In the thesis, we propose to use iteratively reweighted ℓ2-penalty instead of the aforementioned ℓ1-approach. We compare the resulting algorithm with several well-known approaches to SPCA using both simulation study and interesting practical example in which we analyze voting re- cords of the Parliament of the Czech Republic. We show experimentally that the proposed algorithm outperforms the other considered algorithms. We also prove convergence of both the proposed algorithm and the original regression-based approach to PCA. vi
|
guest ::
