离散正交转换

数学上,任一的离散线性转换皆可表示成矩阵(Matrix) 的型式:

再进一步假设,若矩阵 by正交基底 (Orthogonal basis) 列向量(Row vector) 所组成:

也可表示成级数和形式(Summation form):

其中代表内积运算(Inner product)。

同理也可假设,若矩阵 by正交基底行向量(Column vector) 所组成:

也可表示成级数和:

假若时,则可得

离散正交转换

大致上,可简单化将矩阵分类由(a)列向量(Row Vector)或(b)行向量(Column Vector)所组成。

正交矩阵by列向量:

 

 

其中,  为一组列向量的正交集合且称 为一种离散正交转换。

再者,若满足 。则  将组成一组列向量的正规化正交集合且称 为一种离散正规化正交转换。

此时,我们可利用  来求得 反矩阵

 

其中 。再者,也可表示成级数和(Summation)形式:

 

 ,即简化成,

 

正交矩阵by行向量:

 

 

其中,  为一组行向量的正交集合且也称 是一种离散正交转换。

再者,若满足 。则  将组成一组行向量的正规化正交集合且称 为一种离散正规化正交转换。

此时,我们再利用  来组成 反矩阵

 

其中 。再者,也可表示成级数和:

 

 ,即简化成,

 

例子

如:哈恩转换Krawtchouk多项式Charlier多项式

特性

  • 其列向量型式与行向量型式为一体两面的情形:
    • 顺向转换(Forward Transform):列向量型式 反向转换(Inverse Transform):行向量型式。
    • 顺向转换(FT):行向量型式 反向转换(IT):列向量型式。
  • 于正规化正交情况下:
    • 若为行向量所组成的正规化正交矩阵,则它所对应的列向量形成的反矩阵 必为正规化正交矩阵。
    • 若为列向量所组成的正规化正交矩阵,则它所对应的行向量形成的反矩阵 必为正规化正交矩阵。

优点

  • 彼此间的列向量(或行向量)不会互相产生干扰(Interference)。
    • 在同一维度(dimension)下,DOT提供正交矩阵内的列向量(或行向量) 彼此间重要的正交特性,可借由此避免其他使用者干扰进而来实现多工存取技术。

 

  • 其本身的FT与对应的IT结构为相当类似。
  • 此外,离散正交转换较非正交转换(Non-orthogonal Transform)计算上较为简单。
  • DOT应用于影像重建(Reconstruction) 或压缩上,可借由增加正交基底(Orthogonal basis)来控制误差的产生,是采用非正交转换所能及的。

应用于影像重建

通常对于影像重建压缩上大都采用局部重建(Parital reconstruction)的机制,即:

(a) 正交情况下

 

因此,对于局部重建所产生的平方误差(Sqaure error):  

从此结果可发现 必定为正的,因此可借由增加正交基底数来改善影像重建后的平方误差值。

(b)非正交情况下

 

因此,对于局部重建所产生的平方误差 

从此结果可发现 不一定为正的,所以无法利用增加基底数来改善平方误差。

参阅

参考文献