Вейвлет-преобразование и его приложения
Покупка
Новинка
Основная коллекция
Издательство:
ГрГУ им. Янки Купалы
Авторы:
Вувуникян Юрий Микиртычевич, Банюкевич Елена Викторовна, Дейцева Анна Геннадьевна, Семенчук Наталья Владимировна
Год издания: 2025
Кол-во страниц: 232
Возрастное ограничение: 0+
Дополнительно
Вид издания:
Монография
Уровень образования:
Профессиональное образование
ISBN: 978-985-582-681-2
Артикул: 897091.01.99
В монографии излагается теория вейвлет-преобразования как в классических функциональных пространствах, так и в пространствах обобщённых функций, играющих важную роль в современной теории эволюционных систем и её приложениях. Издание адресовано студентам старших курсов учреждений высшего образования, магистрантам, аспирантам и специалистам, интересующимся применением современных математических методов для исследования сложных систем.
Табл. 9, ил. 28, библиогр.: 182 назв.
Тематика:
ББК:
УДК:
- 517: Анализ
- 519: Комбинатор. анализ. Теория графов. Теория вер. и мат. стат. Вычисл. мат., числ. анализ. Мат. кибер..
ОКСО:
- ВО - Бакалавриат
- 01.03.02: Прикладная математика и информатика
- ВО - Магистратура
- 01.04.02: Прикладная математика и информатика
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов
УЧРЕЖДЕНИЕ ОБРАЗОВАНИЯ «ГРОДНЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИМЕНИ ЯНКИ КУПАЛЫ» ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЕ И ЕГО ПРИЛОЖЕНИЯ Монография Гродно ГрГУ им. Янки Купалы 2025
УДК 517+519
Вейвлет-преобразование и его приложения : моногр. / Ю. М. Вувуникян
[и др.]. – Гродно : ГрГУ, 2025. – 230 с. – ISBN 978-985-582-681-2.
В монографии излагается теория вейвлет-преобразования как в классических функциональных пространствах, так и в пространствах обобщённых функций, играющих важную роль в
современной теории эволюционных систем и её приложениях. Издание адресовано студентам
старших курсов учреждений высшего образования, магистрантам, аспирантам и специалистам,
интересующимся применением современных математических методов для исследования сложных систем.
Табл. 9, ил. 28, библиогр.: 182 назв.
Рекомендовано Редакционно-издательским советом
и Советом факультета математики и информатики
учреждения образования
«Гродненский государственный университет имени Янки Купалы»
Авторы:
Ю. М. Вувуникян, Е. В. Банюкевич,
А. Г. Дейцева, Н. В. Семенчук
Рецензенты:
Гринь А. А., доктор физико-математических наук, профессор
(учреждение образования
«Гродненский государственный университет имени Янки Купалы»);
Денисковец А. А., кандидат физико-математических наук, доцент
(учреждение образования
«Гродненский государственный аграрный университет»)
© Вувуникян Ю. М., Банюкевич Е. В.,
Дейцева А. Г., Семенчук Н. В., 2025
© Учреждение образования
«Гродненский государственный университет
имени Янки Купалы», 2025
ISBN 978-985-582-681-2
ВВЕДЕНИЕ В настоящее время теория вейвлетов является активно развивающейся областью теоретической и прикладной математики, о чем свидетельствует большое количество публикаций, международных конференций и симпозиумов, посвященных различным аспектам вейвлет-анализа. Интерес к этой теме обусловлен многочисленными приложениями вейвлет-теории к задачам молекулярной динамики, квантовой механики, астрофизики, геофизики, оптики, медицины, биологии, экономики, статистики, цифровой обработки звуковой и видеоинформации и т. д. До середины XX века основным математическим инструментом исследования сигналов являлся гармонический анализ. Интегральное преобразование Фурье и ряды Фурье представляют собой мощный математический аппарат, допускающий важную физическую интерпретацию исследуемых явлений (обладающий широкими возможностями применения). Однако применение преобразования Фурье в ряде приложений, связанных с анализом нестационарных сигналов, не является эффективным. Дальнейшее развитие гармонического анализа связано с введением оконного преобразования Фурье, позволяющего получать локализованную во времени информацию о спектре сигнала. Невозможность одновременного анализа составляющих сигнала различной частоты путем использования оконного преобразования Фурье послужило причиной введения непрерывного вейвлетпреобразования, лишенного этого недостатка. В основе теории вейвлетов лежат исследования Ж. Фурье, Н. Н. Лузина, А. Хаара, А. Кальдерона, Дж. Литтлвуда, Р. Пэли, Д. Габора. Изначально вейвлеттеория предназначалась для решения задач аппроксимации и исследования нерегулярных функций. Термин «вейвлет» впервые возник в работах Ж. Морле и А. Гроссмана в начале 80-х годов XX века [87; 111; 112]. При этом вейвлет 2( ) L использовался в качестве ядра непрерывного вейвлет-преобразования 1 , ( ) x b W f a b a f x dx a , ,a b , 0 a . Исследованиям свойств непрерывного вейвлет-преобразования и его приложений посвящены работы И. Мейера, Ж. Бэттла, П. Лемарье, А. Рона, 3. Шена, К. Блаттера, Ч. К. Чуи, C. Малла, И. Добеши, C. Джаффара, М. Холшнайдера, Ф. Чамичана, К. Хейла, Д. Волната, Ф. Хермана, Н. М. Астафьевой, И. Я. Новикова, С. Б. Стечкина, А. А. Короновского и др. Следующий этап развития теории вейвлетов начался в 90-е годы XX века. Благодаря идеи кратномасштабного анализа, предложенной И. Мейером [108] и C. Малла (S. Mallat) [105], была создана систематизированная теория построения ортонормированных вейвлет-базисов. В данном случае вейвлет 2( ) L использовался в качестве порождающей функции для построения базиса /2 , 2 2 j j j k x x k , ,j k , пространства 2( ) L . Оригинальный метод, лежащий в основе работ И. Мейера и C. Малла, послужил стимулом к развитию дискретного вейвлет-анализа и его
приложений. В 1988 году И. Добеши [73] разработала метод построения вейвлетов с компактным носителем и заданным числом нулевых моментов, которые активно используются во многих приложениях. Построению вейвлет-базисов в пространствах 0; 1 p L (1 p ) и 0; 1 C посвящены работы [39; 54; 107; 114; 122]. Различные аспекты дискретного вейвлет-анализа отражены в исследованиях А. Коэн, Ч. К. Чуи, Дж. К. Фово, П. Виал, Р. Койфман, Дж. Бейлкин, Б. Алперт, К. Грошениг, М. Викерхаузер, В. Лоутон, В. Свелденс, Д. Донохо, М. З. Берколайко, И. Я. Новиков, В. А. Желудев, А. П. Петухов, М. А. Скопина, В. А. Рвачев и др. Таким образом, классические математические проблемы и прикладные задачи обосновывают актуальность и перспективность дальнейших исследований вейвлетов и их приложений. В настоящее время развитие вейвлет-теории осуществляется по различным направлениям. Среди них можно выделить построение новых ортогональных и биортогональных вейвлет-базисов, мульти-вейвлетов, вейвлетпакетов, обладающих определенными свойствами; исследование аппроксимирующих свойств вейвлет-функций в различных функциональных пространствах; применение вейвлетов в теории численных методов. Особенно следует отметить новый подход на основе математического моделирования вейвлет-нейронных сетей для решения интеллектуальных задач ускоренной обработки изображений. Предложенные здесь методы имеют потенциал для дальнейшего развития и внедрения в различные практические приложения, включая медицинскую диагностику. Разработка новых программных инструментов на их основе, с привлечением лучших возможностей искусственного интеллекта, способно стимулировать развитие новых направлений, включая: диагностическую медицину, образование и, конечно, современные системы безопасности с использованием обработки визуальных данных и объектов. Для решения задачи ускоренной обработки визуальных данных был исследован один из вариантов применения вейвлет-нейронных сетей. Вейвлет-нейронные сети предоставляют собой сборник лучших инструментов для обработки визуальной информации. Они позволяют улучшить качество и расширение файлов, их информативность и многие иные преобразования. Это важно для их использования в тех случаях, где требуется детальная информация об изображении и требуется отличное качество и высокое расширение. Вейвлеты подразумевают под собой функции, которые имеют свойства локализации по временным показателям и по частотам, что отличает их от классических функций. Вейвлет-функции активно используются во многих видах обработки изображений. Главной особенностью вейвлетов является возможность адаптации к любым заданным масштабам и затратам по времени. Это все позволяет быстро и корректно анализировать те сигналы, которые содержат низкочастотные и высокочастотные потоки. Таким образом, вейвлеты являются весьма эффективным методом для обнаружения и анализа неких явлений в изображениях, а это невозможно было бы реализовать классическим методом Фурье-преобразований. Вейвлет-преобразование было использовано для первоначального выделения признаков, чтобы улучшить способность модели фиксировать многомасштаб-
ВВЕДЕНИЕ ную информацию. Установлено, что эти методы поддерживают отличную производительность в области устранения помех на изображениях, сжатия, анализа текстур и т. д. Следует отметить, что пороговая обработка нужна для определения вейвлеткоэффициентов и балансировки восстановления сигнала, его качества и скорость сжатия данных. Кроме того, в сочетании с ускорением на графическом процессоре и технологией параллельных вычислений возможно реализовать высокую вычислительную мощность вейвлет-преобразования в режиме реального времени, для удовлетворения потребностей обработки больших данных. В работе изучены свойства вейвлет-функций для решения интеллектуальных задач ускоренной обработки изображений, медицинских данных пациентов. Разработанные методы и новое программное обеспечение имеют потенциал для дальнейшего развития и внедрения в различные практические приложения, способствуя развитию визуализации не только в медицинской, но и в других областях науки и техники, например, в обработке звуковых сигналов, в финансовой аналитике, что является важным инструментом для принятия обоснованных инвестиционных решений. Внедрение методов вейвлет-преобразований в технологию разработки новых нейронных сетей позволит расширить рамки возможностей для работы с изображениями. В то же время остаются открытыми некоторые актуальные вопросы теории вейвлетов. В частности, исследование вейвлет-преобразования на пространстве обобщенный функций, таких как пространство обобщенных функций медленного роста, пространство обобщенных функций экспоненциального роста и пространство финитных обобщенных функций. Исследованию указанных вопросов посвящена настоящая работа. В первой главе дан обзор литературы и основных положений и понятий теории непрерывного вейвлет-преобразования, изучены бесконечно гладкие базисные вейвлеты с компактным носителем, а также фреймы построенные на их основе. Во второй главе рассматривается вейвлет-преобразование некоторых обобщенных функций и их свойства. В третьей главе проведено исследование кратномасштабного представления оператора дифференцирования и оператора Гильберта в базисе койфлетов. Четвертая глава посвящена основным понятиям и описанию методологии статистического анализа оценок спектральных плотностей стационарных случайных процессов. В пятой главе рассматриваются непосредственно задачи построения и исследования статистических свойств вейвлетных оценок спектральных плотностей.
ГЛАВА 1. ПОСТРОЕНИЕ БАЗИСНЫХ ВЕЙВЛЕТОВ И ФРЕЙМОВ С ПОМОЩЬЮ ФИНИТНЫХ ФУНКЦИЙ В течение многих десятилетий XIX и XX веков одним из основных средств анализа функций, возникающих в реальных физических процессах, являлся гармонический анализ, основой которого служит преобразование Фурье. При этом все необходимые свойства и формулы выражаются с помощью одного комплекснозначного ядра – функции i x e или двух действительных функций cos x и sin x . Преобразование Фурье разлагает произвольный сигнал на гармонические колебания с различными частотами. Гармонические колебания имеют широкое распространение в природе, и поэтому смысл преобразования Фурье интуитивно понятен. Преобразование Фурье обладает рядом замечательных свойств, связанных с операцией дифференцирования и упрощающих его практическое применение. На этой основе возникло, в частности, операционное исчисление, широко применяемое в теории дифференциальных уравнений. Вместе с тем преобразование Фурье имеет ряд недостатков. Оно не отражает изменений частотных характеристик функции по времени. Для вычисления значения преобразования Фурье функции в любой точке используются ее значения на всей числовой прямой. Кроме того, изменение функции в сколь угодно малой окрестности произвольной точки приводит к изменению всего спектра (см. например, [18, 38]). Недостаток гармонического анализа, обусловленный неспособностью осуществлять временную локализацию сингулярностей функций, был частично устранен путем введения оконного преобразования Фурье или преобразования Габора (1946 г., [83]). В этом преобразовании комплекснозначное ядро умножается на некоторую оконную функцию (функция называется оконной [37], если 2 L и 2 x x L ). Проблема выбора оконной функции широко освещена в литературе (см., например [5; 9; 47]). Однако в силу принципа неопределенности частотно-временное окно произвольного оконного преобразования Фурье постоянно. Следовательно, применение данного преобразования не эффективно для одновременного исследования высокочастотных и низкочастотных составляющих сигнала (см., например [37; 48]). Это послужило причиной введения непрерывного вейвлет-преобразования, частотно-временное окно которого автоматически изменяется в зависимости от частоты наблюдаемого сигнала. 1.1. НЕПРЕРЫВНОЕ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЕ Формально история вейвлетов исчисляется с начала 80-х годов XX века. Как инструмент исследования сигналов, непрерывное вейвлет-преобразование было впервые предложено французским геофизиком Ж. Морле (J. Morlet) при изучении сейсмических данных [110; 112]. Под вейвлетом, в самом общем смысле, понимается такая функция 2( ) L , что семейство функций
ab x b x a a , ,a b, 0 a , (1.1) является базисом пространства 2L . В качестве эквивалента английского термина wavelet (фр. – ondelette), который дословно переводится как маленькая волна, в русскоязычной литературе иногда используется термин всплеск, предложенный К. И. Осколковым в 1991 году [37]. Дальнейшее развитие метода Ж. Морле осуществил французский физиктеоретик А. Гроссман (A. Grossmann). В 1984 году, объединив усилия, Ж. Морле и A. Гроссман разработали детальное математическое учение о непрерывном вейвлетпреобразовании и его приложениях [87]. Ими было дано следующее определение вейвлета. Определение 1.1 [87]. Функция 2( ) L называется базисным вейвлетом (вейвлетом), если она удовлетворяет условию допустимости (admissibility condition) 2 ˆ C d , (1.2) где ˆ ( ) i x x e dx – преобразование Фурье функции . Заметим, что для функции 2( ) L такой, что 1 ( ) ( ) x x L , условие (1.2) эквивалентно следующему: ( ) 0 x dx . (1.3) Пусть 2( ) L – некоторый базисный вейвлет. Тогда функция двух переменных 1 2 , , ( ) ab x b W f a b f a f x dx a , (1.4) * ( , ) a b ( * 0 \ ), называется непрерывным вейвлет-преобразованием (continuous wavelet transform) произвольной функции 2( ) f L по отношению к . Параметры a и b определяют соответственно масштаб и смещение базисного вейвлета . Используя обозначение 1 2 ( ) a x x a a , (1.5)
определение непрерывного вейвлет-преобразования (1.4) может быть записано в виде свертки функций f и a : , a W f a b f b . (1.6) Исследование аналога равенства Парсеваля и обратной формулы для непрерывного вейвлет-преобразования (1.4) было проведено в работах Ж. Морле и A. Гроссмана [87; 89; 90]. Ими были получены следующие результаты. Теорема 1.1 (равенство Парсеваля) [48]. Пусть 2( ) L – базисный вейвлет. Тогда для всех функций 2 , ( ) f g L справедливо равенство 2 1 , , , da f g W f a b W g a b db C a , где ab определены в (1.1). Теорема 1.2 (обращение вейвлет-преобразования) [48]. Пусть 2( ) L – базисный вейвлет. Тогда для произвольной функции 2( ) f L и точки x , в которой f непрерывна, имеет место равенство 2 1 ( ) , ( ) ab da f x W f a b x db C a , где ab определены в (1.1). Отметим, что впервые справедливость теоремы 1.2 была установлена А. Кальдероном (A. Caldedron) [61; 62] в 1964 году без использования терминологии теории вейвлетов. Позднее эта теорема была заново доказана A. Гроссманом и Ж. Морле, не опираясь на результаты А. Кальдерона. На следующем этапе развития вейвлет-теории рассматривались задачи дискретизации непрерывного вейвлет-преобразования (1.4). Их решение оказалось тесно связанным с теорией фреймов, разработанной Р. Даффином (R. J. Duffin) и А. Шеффером (A. C. Schaeffer) [79] и используемой в негармоническом анализе Фурье. Суть дискретизации заключается в следующем. Значения вейвлетпреобразования (1.4) вычисляются в точках , m m n a b , , m n: , , m m n m n W f a b f , (1.7) где * m m a a , * * m m n b na b , 2 * * * m m mn x a a x nb , , m n. При этом положительные фиксированные числа *a и *b будем называть базовым шагом растяжения и базовым шагом сдвига соответственно. Далее по счетному набору
вейвлет-коэффициентов (1.7) восстанавливается функция 2( ) f L . Решение этой задачи сведено в [78] к нахождению вейвлетов , порождающих фрейм в 2( ) L . Определение 1.2 [76]. Говорят, что функция 2 L порождает фрейм , mn m n в 2( ) L , если существуют константы A и B , 0 A B , называемые границами фрейма, такие, что для всех 2( ) f L 2 2 2 , , m n m n A f f B f . (1.8) Таким образом, в работе И. Добеши (I. Daubechies), А. Гроссмана, И. Мейера (I. Meyer) [76] было показано, что восстановление функции 2( ) f L по вейвлеткоэффициентам (1.7) возможно в случае выполнения условия (1.8). Также в [76] были построены фреймы, порожденные финитной функцией , имеющей бесконечно дифференцируемое преобразование Фурье. Далее, в [78] доказано, что если , mn m n образует фрейм, то функция является базисным вейвлетом, то есть удовлетворяет условию допустимости (1.2). Исследованиям свойств систем вейвлетфреймов посвящены работы А. Рона (A. Ron) и З. Шена (Z. W. Shen) [115]. Итерационные методы восстановления функции 2( ) f L по ее вейвлеткоэффициентам (1.7), а также оценки скорости сходимости методов приведены в работах [18; 35; 86]. Дальнейшее развитие теории фреймов связано с исследованием, так называемых, жестких вейвлет-фремов, для которых границы A и B совпадают. В [39; 77] доказано, что если жесткий фрейм с единичными границами образует базис, то этот базис является ортонормированным. Другие результаты теории жестких вейвлет-фреймов можно найти в работах [39; 65; 66; 92; 116]. Целое направление теории вейвлетов составили задачи построения ортонормированных базисов, порожденных вейвлетами. Так, И. Мейером [108] был построен ортонормированный базис пространства 2( ) L , образованный путем сдвигов и растяжений бесконечно-дифференцируемой функции , имеющей финитный образ Фурье ˆ ( ) k C (1 k ). Найденный базис является безусловным для многих функциональных пространств, таких как p L (1 p ), пространств Соболева и Гёльдера [109]. В дальнейшем базис И. Мейера был обобщен для функций нескольких переменных [99]. В 1987–1988 годах Ж. Бэттл (G. Battle) [55; 56] и П. Лемарье (P. G. Lemarie) [100] независимо друг от друга построили на основе сплайнов ортонормированный базис, порожденный вейвлетом из класса ( ) k С (1 k ) с экспоненциальным убыванием на бесконечности. Остановимся на применении непрерывных вейвлет-преобразований к исследованию функций. На основании асимптотического поведения преобразования
(1.4) при a в [97; 104; 106] характеризуются локальные и точечные сингулярности функций, а в [60; 77; 96] – исследуется глобальная и локальная регулярность функций по Гельдеру и Липшицу. При этом для оптимизации асимптотических свойств непрерывного вейвлет-преобразования необходимо [106] расширение требования (1.3) на более высокие моменты: ( ) 0 lx x dx , 0, l L , L , поскольку количество нулевых моментов ограничивает порядок выявляемой гладкости. Классическим примером базисных вейвлетов, обладающих нулевыми моментами, являются гауссовы вейвлеты [2]. Функции этого семейства являются производными гауссовой экспоненты: 2 1 2 ( ) ( 1) x n n n n d x e dx , n . В [60; 77] ряд асимптотических свойств доказан в предположении, что вейвлет имеет компактный носитель. Вопросы приложения непрерывного вейвлет-анализа к исследованию свойств сигналов и полей различной природы освящены в работах [2; 3; 32; 51; 64; 88; 94]. В заключение отметим, что еще в 1909 г. А. Хаар (A. Haar) [91] получил первую в истории функцию, имеющую компактный носитель, сдвиги и растяжения которой образуют ортонормированный базис. С появлением теории вейвлет-анализа эта функция была названа вейвлетом Хаара. В период с 1909 по начало 80-х годов были и другие результаты, имеющие отношение к теории вейвлетов. Так, в 1928 году П. Франклин (P. Franklin) [82] обобщил систему Хаара и рассмотрел систему ортонормированных кусочно-линейных функций, образующих базис Рисса в пространстве ( ) p L (1 p ). Прототипы вейвлетов также содержатся в работах Н. Н. Лузина [101], Z. Ciesielski [68], J. O. Strömberg [119]. 1.2. ПОСТРОЕНИЕ БАЗИСНОГО ВЕЙВЛЕТА В настоящее время известно большое количество базисных вейвлетов, то есть функций, удовлетворяющих условию допустимости (1.3). В работах [18; 35; 48] описаны дополнительные условия, накладываемые на функции, с помощью которых формируется базис вейвлет-преобразования. Отметим, что все вейвлеты с аналитическим заданием, исследуемые в монографической литературе, не имеют компактного носителя (исключение составляют HAAR- и FHAT-вейвлеты, которые не являются непрерывными функциями). Данная глава посвящена изучению вейвлетов, построенных на основе финитных бесконечно дифференцируемых функций. Такой выбор продиктован желанием получить в аналитическом виде бесконечно гладкий вейвлет с компактным носителем. В случае, когда преобразование Фурье функции не может быть вычислено аналитически, проверка выполнения условия допустимости (1.2) может представлять