21.12.2012 Aufrufe

Klassifikation von Mustern

Klassifikation von Mustern

Klassifikation von Mustern

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

72 KAPITEL 2. VORVERARBEITUNG (VK.1.3.3, 18.05.2007)<br />

<br />

<br />

<br />

<br />

<br />

<br />

<br />

<br />

<br />

<br />

Bild 2.1.7: Zur Bestimmung einer optimalen Quantisierungskennlinie<br />

Beweis: Die Bildung der partiellen Ableitung <strong>von</strong> (2.1.38) nach bν und Nullsetzen derselben<br />

ergibt<br />

∂f<br />

∂bν<br />

=<br />

L<br />

ν=1<br />

aν+1<br />

aν<br />

−2(f − bν)p(f) df = 0 .<br />

Daraus folgt unmittelbar (2.1.40). Diese Vorgehensweise ergibt für aν<br />

∂f<br />

∂aν<br />

=<br />

L<br />

ν=2<br />

(aν − bν−1) 2 p(aν) − (aν − bν) 2 p(aν) = 0 .<br />

Die Werte a1 und aL+1 sind gemäß Bild 2.1.7 festgelegt. Wenn p(aν) = 0 ist, ist obige Gleichung<br />

erfüllt, wenn<br />

(aν − bν−1) 2 = (aν − bν) 2<br />

gilt. Daraus folgt sofort (2.1.39), und damit ist Satz 2.5 bewiesen.<br />

Der obige Satz zeigt, dass i. Allg. die Lage der aν, bν und damit die Quantisierungskennlinie<br />

<strong>von</strong> der Verteilungsdichte p(f) der Funktionswerte abhängt. Man erkennt sofort, dass sich<br />

eine lineare Quantisierungskennlinie – gekennzeichnet durch äquidistante bν und aν – nur für<br />

gleichverteilte Funktionswerte ergibt. In diesem Falle geht nämlich (2.1.40) über in<br />

bν = aν+1 + aν<br />

2<br />

. (2.1.41)<br />

Die Quantisierungsstufen haben dann die konstante Größe<br />

aν+1 − aν = aL+1 − a1<br />

L<br />

= fmax − fmin<br />

L<br />

<br />

. (2.1.42)<br />

Bei nicht gleichförmiger Verteilung der Funktionswerte ergibt sich i. Allg. eine nichtlineare<br />

Quantisierungskennlinie. Aus (2.1.38) entnimmt man, dass die Stufen eng liegen sollten, wo<br />

häufig Funktionswerte auftreten, damit der Fehler ε klein bleibt. Eine nichtlineare Quantisierungskennlinie<br />

lässt sich einfach dadurch erreichen, dass man die Funktionswerte zunächst an<br />

einer nichtlinearen Kennlinie verzerrt und die verzerrten Funktionswerte dann linear quantisiert.<br />

Natürlich muss nun nach der Dekodierung eine entsprechende Entzerrung vorgenommen werden.<br />

In der Sprach– und Bildverarbeitung wird häufig eine logarithmische Verzerrung durchgeführt,<br />

d. h. man kodiert nicht f(x, y) sondern log[f(x, y)].<br />

Meistens ist eine PCM Darstellung Grundlage der digitalen Verarbeitung <strong>von</strong> <strong>Mustern</strong>, unter<br />

Umständen auch Ausgangspunkt einer anderen Art der Kodierung. Die PCM Darstellung erhält<br />

man nämlich relativ leicht durch geeignete Wandler, wie Mikrofon zur akustisch/elektrischen

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!