Algorithmen der Videosignalverarbeitung: Optimierung durch ...
Algorithmen der Videosignalverarbeitung: Optimierung durch ...
Algorithmen der Videosignalverarbeitung: Optimierung durch ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
VIDEOSIGNAL-ALGORITHMEN<br />
Diese Vorgehensweise <strong>der</strong> Parameteroptimierung<br />
soll nun auf <strong>Algorithmen</strong><br />
<strong>der</strong> <strong>Videosignalverarbeitung</strong> übertragen<br />
und anhand von Beispielen in den folgenden<br />
Abschnitten diskutiert werden.<br />
3. <strong>Optimierung</strong> linearer Filter<br />
Eine Filterung von Bildsignalen ist eine<br />
<strong>der</strong> wichtigsten Aufgaben in <strong>der</strong> digitalen<br />
Video-Signalverarbeitung. Die gefilterten<br />
Bil<strong>der</strong> sollen dabei häufig eine<br />
möglichst hohe Auflösung und eine<br />
hohe Bildschärfe haben. Aus diesen<br />
For<strong>der</strong>ungen resultieren Vorgaben an<br />
die Eigenschaften eines Filters sowohl<br />
im Frequenz- als auch im Ortsbereich.<br />
Hier soll nun ein Verfahren zum Filterentwurf<br />
für FIR-Filter vorgestellt werden,<br />
das Vorgaben in beiden Bereichen<br />
erlaubt. Ein Filter wird dazu <strong>durch</strong> mehrere<br />
Teilfehlerfunktionen bewertet, die<br />
die Abweichungen <strong>der</strong> Eigenschaften<br />
des Filters von den Vorgaben repräsentieren.<br />
Eine weitere Fehlerfunktion bewertet<br />
den Hardwareaufwand bei <strong>der</strong><br />
Implementierung des Filters. Die gewichtete<br />
Addition <strong>der</strong> Werte <strong>der</strong> einzelnen<br />
Teilfehlerfunktionen ergibt eine zu<br />
minimierende Gesamtfehlerfunktion,<br />
die ein direktes Maß für die Eignung des<br />
Filters darstellt. Durch die Wahl <strong>der</strong> Gewichte<br />
können beim Entwurf Schwerpunkte<br />
auf verschiedene Eigenschaften<br />
des Filters gelegt werden.<br />
Weil sich die Gesamtfehlerfunktion additiv<br />
aus komplexen Teilfehlerfunktionen<br />
zusammensetzt, ist zu erwarten,<br />
daß das korrespondierende Gütegebirge<br />
viele Maxima und Minima aufweist,<br />
(„multimodales Gütegebirge“). Aus diesem<br />
Grund bietet sich für dieses <strong>Optimierung</strong>sproblem<br />
die Verwendung von<br />
Evolutionsstrategien an, weil sie mit höherer<br />
Wahrscheinlichkeit als herkömmliche<br />
<strong>Optimierung</strong>sverfahren das globale<br />
Optimum eines multimodalen Gütegebirges<br />
erreichen.<br />
3.1. Eindimensionale FIR-Filter<br />
Wie schon zuvor diskutiert, unterliegen<br />
Filter, die eine für Bildsignale optimale<br />
Signalformung vornehmen sollen, Toleranzvorschriften<br />
sowohl im Frequenzbereich<br />
als auch im Orts- (bzw. Zeit-)<br />
Bereich. Es ergibt sich eine allgemeine<br />
Fehlerfunktion, die im Sinne einer optimalen<br />
Approximation minimiert werden<br />
soll<br />
Etotal = EFreq( Θx , Θ y ) + EOrt<br />
( x, y ). (2)<br />
|H(f)| ➞<br />
4<br />
3<br />
2<br />
1<br />
0<br />
-0,2<br />
0 0,1 0,2 0,3 0,4 0,5 −4 −2 0 2 4<br />
f/f s ➞<br />
n ➞<br />
Bild 8. Frequenzgang |H(f)| und Sprungantwort g s (n) eines FIR-Filters mit Zufallskoeffizienten<br />
(L=11 Filterkoeffizienten)<br />
Dabei stellt sich heraus, daß beide Fehleranteile<br />
nicht unabhängig voneinan<strong>der</strong><br />
sind. Bei linearen Systemen bedeutet<br />
das, daß zum Beispiel eine stärkere<br />
Bandbegrenzung des Frequenzgangs<br />
eine Ausdehnung in <strong>der</strong> Impulsantwort<br />
(und umgekehrt) bewirkt. Es liegt hier<br />
also ein nichtlineares komplexes Approximationsproblem<br />
vor. Die Technik <strong>der</strong><br />
Evolutionsstrategien gestattet auf <strong>der</strong><br />
Basis einer wohldefinierten Fehlerfunktion<br />
eine <strong>Optimierung</strong> des vorliegenden<br />
nichtlinearen mehrdimensionalen Problems.<br />
Es wird eine zusammengesetzte Fehlerfunktion<br />
zur Lösung des Entwurfsproblems<br />
auf <strong>der</strong> Basis einer Summe von<br />
mit λ i gewichteten Teilfehlerfunktionen<br />
E i gebildet<br />
I<br />
Etotal = ∑ λ i ⋅Ei<br />
.<br />
(3)<br />
i=<br />
1<br />
Mit diesen Teilfehlerfunktionen werden<br />
Entwürfe für 1D-FIR-Filter <strong>durch</strong>geführt.<br />
Bei einer <strong>Optimierung</strong> eines linearphasigen<br />
1D-FIR-Filters mit L Filterkoeffizienten<br />
können W =<br />
L + 1⎥<br />
⎣<br />
⎢<br />
⎢<br />
⎦<br />
⎥<br />
Filterkoeffizienten<br />
frei gewählt werden, was bedeu-<br />
2<br />
tet, daß es sich um eine <strong>Optimierung</strong> in<br />
einem W-dimensionalen Parameterraum<br />
handelt.<br />
3.1.1. Teilfehlerfunktionen<br />
a) Teilfehlerfunktionen im Frequenzbereich<br />
• Abweichung vom Sollfrequenzgang,<br />
• Flankensteilheit im Frequenzbereich,<br />
• Gleichverstärkungsabweichung,<br />
• Abweichung bei <strong>der</strong> Grenzfrequenz.<br />
b) Teilfehlerfunktionen im Ortsbereich<br />
• Betragsabweichung des ersten<br />
Überschwingers,<br />
• Positionsabweichung des ersten<br />
Überschwingers,<br />
g s (n) ➞<br />
1,0<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
0<br />
• Größe weiterer Überschwinger,<br />
• Flankensteilheit <strong>der</strong> Sprungantwort.<br />
c) Teilfehlerfunktion bezüglich des Implementierungsaufwands<br />
• Summe <strong>der</strong> „1“-Bits <strong>der</strong> Filterkoeffizienten.<br />
3.1.2. Minimierung <strong>der</strong> Fehlerfunktion<br />
<strong>durch</strong> eine Evolutionsstrategie<br />
Die Approximationsqualität bezüglich<br />
<strong>der</strong> Anfor<strong>der</strong>ungen an ein Videosignalfilter<br />
ist nach Gl. (2) <strong>durch</strong> die gewichtete<br />
Summe <strong>der</strong> Teilfehlerfunktionen gegeben.<br />
Die Minimierung <strong>der</strong> Gesamtfehlerfunktion<br />
ist analytisch nicht möglich,<br />
da das W-dimensionale <strong>Optimierung</strong>sproblem<br />
nichtlinear ist.<br />
Ein erster Schritt bei einer Verwendung<br />
von Evolutionsstrategien ist, die Stabilität<br />
des <strong>Optimierung</strong>svorgangs zu überprüfen.<br />
Hierzu werden <strong>Optimierung</strong>släufe<br />
von willkürlich gewählten<br />
(schlechten) Initialwerten aus gestartet<br />
und die Ergebnisse mit Lösungen von<br />
Standardverfahren verglichen. Ergeben<br />
sich bei diesen <strong>Optimierung</strong>släufen jeweils<br />
sinnvolle Ergebnisse, so ist dies<br />
ein Hinweis auf die Stabilität des <strong>Optimierung</strong>sprozesses.<br />
Beim 1D-Filterentwurf wurden daher<br />
zum Beispiel Zufallskoeffizienten als<br />
Startparameter gewählt. Das sich aus<br />
diesen Initialwerten ergebende Filter<br />
hat Eigenschaften, die in keiner Weise<br />
die Vorgaben erfüllen (Bild 8), so daß<br />
beim <strong>Optimierung</strong>svorgang große Distanzen<br />
im Parameterraum überwunden<br />
werden müssen.<br />
Als weitere Initial-Parametersätze wurden<br />
die Koeffizienten eines reinen Mittelwertfilters<br />
sowie die mittels eines Kaiserfenster-Entwurfes<br />
erhaltene Parameter<br />
verwendet, die Nebenoptima im<br />
Parameterraum darstellen.<br />
FERNSEH- UND KINO-TECHNIK 52. Jahrgang Nr. 1+2/1998 47