タグ付けされた質問 「distance-metrics」

私は8次のIIRフィルターを実装しようとしていますが、これまで読んだすべてのアプリケーションノートと教科書には、2次のセクションとして2を超える次数のフィルターを実装するのが最善であると書かれています。tf2sosMATLABで2次セクションの係数を取得するために使用しましたが、予想どおり、4 2次セクションの6x4係数が得られました。SOSとして実装する前は、8次フィルターには7つの以前のサンプル値を保存する必要がありました（および出力値も）。ここで、2次セクションとして実装するとき、フローが入力から出力までどのように機能するか、2つの前のサンプル値のみを保存する必要がありますか？または、最初のフィルターの出力はx_in2番目のフィルターのように送られますか？

20 filters  filter-design  infinite-impulse-response  biquad  audio  image-processing  distance-metrics  algorithms  interpolation  audio  hardware  performance  sampling  computer-vision  dsp-core  music  frequency-spectrum  matlab  power-spectral-density  filter-design  ica  source-separation  fourier-transform  fourier-transform  sampling  bandpass  audio  algorithms  edge-detection  filters  computer-vision  stereo-vision  filters  finite-impulse-response  infinite-impulse-response  image-processing  blur  impulse-response  state-space  linear-systems  dft  floating-point  software-implementation  oscillator  matched-filter  digital-communications  digital-communications  deconvolution  continuous-signals  discrete-signals  transfer-function  image-processing  computer-vision  3d 

私は通常、平均二乗誤差（MSE）またはピーク S / N比（PSNR）を使用して2つの画像を比較しますが、これでは十分ではありません。画像Aとそのピクセル化された（またはぼやけた）バージョンBの間の非常に大きな距離を返す式を見つける必要がありますが、処理方法がわかりません。私のニーズに適した指標は何でしょうか？

14 image-processing  distance-metrics 

画像内の小さな正方形のパッチを「一致」させようとしています。一見すると、これら2つの配列のユークリッド距離スタイルの比較を単純に実行して「類似性」の測定値を取得することは合理的に思えます。これは多くの場合正常に機能します（このメトリックによると、「最良の」パッチ（最小値）はクエリパッチと非常によく似ています）。ただし、これが非常に悪い一致を生成する多くの場合があります。たとえば、次の2つのパッチペアがあるとします。 レンガの壁の2つのパッチ、スコア134（これは平均絶対ピクセル差のコンポーネントの合計です）： レンガの壁の1つのパッチ、草の1つのパッチ、スコア123です。 人間にとって、草は「明らかに」レンガと一致しませんが、この測定基準はそうではありません。問題は、局所的な統計的変動にあります。 ヒストグラム比較のようなものを使用すると、すべての空間情報が完全に失われます。たとえば、パッチが上部の草と下部のレンガの場合、下部の草と上部のレンガのパッチと正確に一致します（再度、別の「明らかに間違っている」一致）。 これらのアイデアの両方を何らかの方法で組み合わせて、上記のペア1で「類似」と評価されるが、パッチとその垂直ミラーの例では類似していないメトリックはありますか？ どんな提案でも大歓迎です！

11 image-processing  distance-metrics  classification  waveform-similarity 

次の質問は、順序変数として時間を使用して、1Dで詳しく説明されています。同様の質問が他の次元にも当てはまる可能性があります。 ブラインドソース分離（BSS）、フィルターバンク、またはデコンボリューションなどのいくつかの信号処理技術では、信号を推定したい場合があります。 x （t ）x(t)x(t) そして回復するだけ 秒。x （t + d）s.x(t+d)s.x(t+d)、スケーリングされ遅延された推定。回転と剪断はより高い次元で、そして他の多くで追加することができます。 sss 倍率です ddd遅れ。歪んだデータ（バツs 、d、w= s 。x （t / w + d）xs,d,w=s.x(t/w+d)x_{s,d,w} = s.x(t/w+d)）、例えば超解像のように。 理論的には、継続的に見積もることができます sss そして dddローカル相関またはフーリエ変換（シフトおよびスケーリングされているが、同じ情報を持つ2つの信号を一致させる方法）反りwwwスケール変換またはウェーブレット表現で推定される場合があります。私はいくつかのBSSの論文や本を読んだり、人々に尋ねたり、会議に参加したりしましたが、標準、または少なくとも使用可能な測定基準を見つけることができませんでした。 画像では（信号に対しても機能します）、構造的類似性インデックスが何らかの形でオフセットと分散を補正します。 オリジナルを比較するための実用的なエラー指標はありますか x(t)x(t)x(t) 変身した xs,d,w(t)xs,d,w(t)x_{s,d,w}(t)サンプリングされた信号とノイズ条件のコンテキストでは？実際、サンプリングによって引き起こされる離散化は、比較タスクを複雑にします（たとえば、111-サンプリンググリッド上のサンプルスパイク。これは整数以外の時間で遅延します）、およびノイズ。 発散などの非対称な量に頼るべきですか？ 他の信号プロパティが役立ちますか（バンドパス、スパース、ポジティブなど）？ 反りを忘れて、私は標準を最小限にしようとしました ℓpℓp\ell_p 規範、 sss、 ddd、および wwwパラメータとして、そして両方の信号を平滑化します。私は複雑さと結果に満足していません、そしてこれは少し退屈です。

11 discrete-signals  distance-metrics  scale-space  distortion  blind-deconvolution 

4つの実数値入力と1つの実数値出力を持つステートフルブラックボックスがあります。私の問題は、その時点までに見られる入力のシーケンスを考慮して、各瞬間の出力を予測することです。学習段階では、必要に応じて入力を変化させ、出力を観察できます。もちろん、少しノイズがあり、ブラックボックスが完全に確定的であるようには見えません。 具体的には、ハードドライブをモデル化していて、以前のすべての要求が与えられた場合の最新の要求のアクセス時間を予測したいと思います。ただし、明示的なモデルの複雑さのため、およびSSDなどの他の同様のデバイスでこれを機能させるため、よりブラックボックスのアプローチが必要です。 信号処理が入力値と出力値のシーケンスを分析するのに適切であるかもしれないと数人が示唆しました。 信号処理から、出力の予測や入力の特性評価に役立つアイデアはありますか？

7 discrete-signals  distance-metrics