|
|
Audio Signal Declipping and Dequantization Using Sparsity-Based Methods
Záviška, Pavel ; Šroubek,, Filip (oponent) ; Koldovský,, Zbyněk (oponent) ; Rajmic, Pavel (vedoucí práce)
Audio signals are susceptible to various types of quality degradation, with clipping being one of the most common and problematic distortions. This Thesis addresses the restoration of audio signals corrupted by nonlinear distortions and presents the contribution in the field of sparsity-based audio restoration algorithms, with the main focus on audio declipping and dequantization. The first part of the Thesis deals with the problem of audio declipping and presents several sparsity-based approaches, containing both the original research and adopted algorithms, which have been reimplemented or modified. The performance of the algorithms is evaluated using the Signal-to-Distortion ratio, as well as perceptually motivated metrics of sound quality. Then, attention is paid on incorporating psychoacoustic information into declipping by weighting the transform coefficients. Three possible constructions of the weights are presented and it is shown that with correctly chosen weights, it is possible to significantly improve the performance of the algorithms, which achieve state-of-the-art restoration quality with low computational complexity. Special focus is also paid on declipping methods that allow a deviation in the reliable part. In that direction, the Thesis studies the perceptual effects of plain replacement of the reliable samples, then identifies its main weaknesses and introduces methods to compensate the discovered negative effects. It is shown that using this technique, it is possible to enhance the performance of such declipping algorithms without a significant increase in computational complexity. Finally, selected declipping algorithms are adopted to the problem of audio dequantization. The Thesis is accompanied by repositories containing implementations of the presented methods.
|
|
|
Restaurace signálu po průchodu limiterem s použitím psychoakustického modelu
Kramář, Denis ; Rajmic, Pavel (oponent) ; Záviška, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá využitím řídkých reprezentací signálu za účelem restaurace audiosignálu poškozeného clippingem. Nejprve je zde probrána teorie týkající se limiteru a samotné limitace signálu. Poté jsou zde uvedeny některé současné metody založené na teorii řídkých reprezentací. Ta je popsána v následující kapitole. Následně je zde popsán psychoakustický model a jeho využití pro declipping. Na závěr teoretické části jsou zde představeny dvě metody řešení této úlohy. První je založená na syntezujícím modelu signálu a využívá algoritmus Douglas-Rachford. Druhá je založená na analyzujícím modelu signálu a byl pro ni zvolen algoritmus Chambolle-Pock. V další části je popsána jejich implementace v prostředí Matlab. Na závěr jsou vyhodnoceny výsledky dosažené oběma algoritmy.
|
|
|
Optimální metody výměny řídkých dat v senzorové síti
Valová, Alena ; Poměnková, Jitka (oponent) ; Rajmic, Pavel (vedoucí práce)
Práce je zaměřena na sledování pohybu objektu decentralizovanou senzorovou sítí s využitím distribuovaného částicového filtru s fúzním centrem i s konsenzem. Model zahrnuje šum v měření senzorů i případy, kdy senzor objekt vůbec nezachytí. Uvedený přístup využívá řídkosti globální věrohodnostní funkce, jejíž vhodnou řídkou aproximací a vhodnou volbou slovníku lze významně snížit nároky na komunikaci v decentralizované senzorové síti. Diplomová práce obsahuje návrh metod výměny řídkých dat v senzorové síti a~porovnání navržených metod z hlediska přesnosti a energetické náročnosti.
|
|
|
Komprimované vzorkování pro efektivní sledování objektu senzorovou sítí
Klimeš, Ondřej ; Veselý, Vítězslav (oponent) ; Rajmic, Pavel (vedoucí práce)
Diplomová práce se zabývá sledováním objektu. Ke sledování je použita decentralizovaná senzorová síť využívající distribuovaný částicový filtr s věrohodnostním konsenzem. Tento konsenzus je založen na řídké reprezentaci lokální věrohodnostní funkce pomocí vhodných slovníků. V této práci se porovnávají hojně používaný Fourierův slovník s námi navrženým slovníkem tzv. B-splajnů. Zároveň je díky řídkosti distribuovaných dat možné implementovat metodu komprimovaného snímání. Výsledky jsou porovnávány z hlediska přesnosti sledování a komunikační náročnosti. Součástí práce jsou také skripty a funkce v jazyce MATLAB.
|
|
|
Restaurace audiosignálů založená na řídkých reprezentacích
Záviška, Pavel ; Průša, Zdeněk (oponent) ; Rajmic, Pavel (vedoucí práce)
Diplomová práce se zabývá problematikou audio clippingu a aplikací modelu řídkých reprezentací pro úlohu declippingu. Nejprve je popsána obecná teorie clippingu, na kterou navazuje stručný přehled stávajících metod a popis obecné teorie, zabývající se řídkými reprezentacemi signálů a bázemi, resp. framy. Následně jsou představeny dvě metody, které řeší úlohu declippingu na základě řídkých reprezentací. První metoda používá Obecný proximální algoritmus pro konvexní optimalizaci, druhá pak Douglas-Rachfordův algoritmus. Zmíněné metody byly naprogramovány v prostředí Matlab. Výsledky metod jsou vyhodnoceny podle ukazatelů SNR, PEMO-Q a také podle subjektivních poslechových testů.
|
|
| |
|
|
Some Robust Approaches to Reducing the Complexity of Economic Data
Kalina, Jan
The recent advent of complex (and potentially big) data in economics requires modern and effective tools for their analysis including tools for reducing the dimensionality (complexity) of the given data. This paper starts with recalling the importance of Big Data in economics and with characterizing the main categories of dimension reduction techniques. While there have already been numerous techniques for dimensionality reduction available, this work is interested in methods that are robust to the presence of outlying measurements (outliers) in the economic data. Particularly, methods based on implicit weighting assigned to individual observations are developed in this paper. As the main contribution, this paper proposes three novel robust methods of dimension reduction. One method is a dimension reduction within a robust regularized linear regression, namely a sparse version of the least weighted squares estimator. The other two methods are robust versions of feature extraction methods popular in econometrics: robust principal component analysis and robust factor analysis.
|
|
|
Some Robust Approaches to Reducing the Complexity of Economic Data
Kalina, Jan
The recent advent of complex (and potentially big) data in economics requires modern and effective tools for their analysis including tools for reducing the dimensionality (complexity) of the given data. This paper starts with recalling the importance of Big Data in economics and with characterizing the main categories of dimension reduction techniques. While there have already been numerous techniques for dimensionality reduction available, this work is interested in methods that are robust to the presence of outlying measurements (outliers) in the economic data. Particularly, methods based on implicit weighting assigned to individual observations are developed in this paper. As the main contribution, this paper proposes three novel robust methods of dimension reduction. One method is a dimension reduction within a robust regularized linear regression, namely a sparse version of the least weighted squares estimator. The other two methods are robust versions of feature extraction methods popular in econometrics: robust principal component analysis and robust factor analysis.
|
|
|
Alternativní JPEG dekodér
Bureš, Jiří ; Štarha, Pavel (oponent) ; Rajmic, Pavel (vedoucí práce)
Tato diplomová práce se zabývá obrazovým kodekem JPEG, detekcí hran v obraze, řídkými reprezentacemi signálů a proximálními algoritmy. Nejprve je popsáno fungování kodéru a dekodéru JPEG a teorie, ze které vychází. Poté je na základě teoretických poznatků sestaven nový proximální algoritmus a implementován do stávajícího algoritmu JPEG s cílem odstranit blokové relikty v dekédovaném obraze. Programová stránka je řešená v prostředí Matlab. Výsledky jsou zhodnoceny využitím metod MSE, PSNR a SSIM.
|
|
|
Image Edge Detection Using Convex Optimisation
Novosadová, Michaela ; Róka, Rastislav (oponent) ; Dostál, Otto (oponent) ; Rajmic, Pavel (vedoucí práce)
Image edge detection is one of the most important techniques in digital image processing. It is used, among other things, as the first step of image segmentation. Therefore, it remains an area of interest for researchers trying to develop ever-better detection approaches. The main objective of this Thesis is to find a suitable method for image edge detection using convex optimisation. The proposed method is based on sparse modelling, and its main part is formulated as a convex optimisation problem solved by proximal algorithms. For defining the optimisation problem, it is assumed that the signal can be modelled as an over-parametrised, piecewise-polynomial signal that consists of disjoint segments. The number of these segments is significantly smaller than the number of signal samples, which encourages the use of sparsity. The formulation of a suitable optimisation problem is first performed on one-dimensional signals since the implementation and comparison of the different algorithms is significantly easier and less time-consuming for one-dimensional signals than two-dimensional ones. The first part of the Thesis introduces the basic theory in signal processing, sparsity, convex optimisation and proximal algorithms. It also presents a cross-section of the methods used for image edge detection. The second part of the Thesis focuses on the formulation and the subsequent evaluation of individual optimisation problems for the segmentation of one-dimensional synthetic signals corrupted by noise. The evaluation is conducted in terms of both denoising and breakpoint detection accuracy. The last part of the Thesis is dedicated to expanding the best-performing approach for breakpoint detection in one-dimensional signals for the application to image edge detection. The proposed approach is tested on a standardised dataset of images containing manually labelled edges of several subjects. The results of the proposed method are evaluated using precision-recall curves and their maximum F-measure score, and then compared with other edge detection methods.
|
host ::
RSS.