Técnicas de Compressão de Dados
5.3 Métodos Descartados
𝑥𝑤 ^ 𝑥𝑤 ˜ 𝑥𝑤 Decodificação SPIHT IDWT
Figura 5.4: Esquema ligando os módulos do decodificador DWT+SPIHT.
usado nesse trabalho – junto com as respectivas execuções dos métodos DCT+MinLag e
DCT+KMinLag usadas para comparação – demandou por volta de duas semanas para
ser testado. Testes exploratórios de menor escala revelaram que a escolha da basewavelet tem pouca influência na eficácia de compressão do método, o que também motivou a
escolha de um conjunto reduzido de bases. As bases escolhidas para os testes exaustivos
foram as bases biortogonais 9/7 e 5/3 – conhecidas por fazerem parte do formato JPEG 2000 (JPEG 2000 Organization, 2000) – e as bases ortogonais Daubechies 10 (com
kernel de tamanho 20) e a Symmlet 10 (também com filtros com 20 taps). As bases Daubechies 10 e Symmlet 10 foram as escolhidas dentre suas respectivas famílias de
bases por sua alta quantidade de taps, o que é fundamental para que aswavelets sejam capazes de representar sinais cada vez mais complexos com uma maior concentração
estatística em seus coeficientes.
5.3 Métodos Descartados
Algumas técnicas pesquisadas nesse trabalho foram consideradas inapropriadas ou
proibitivamente complexas para o contexto de compressão de sinais biológicos após
uma série de baterias de testes exploratórios. Entre esses métodos estão a utilização de
Capítulo 5. Metodologia 102
predições por blocos, como usado em compressores de vídeo como o H.264 (ITU-T264,
2002); o uso da transformada Hadamard para transformação de níveis DC nos blocos
DCT, como descrito por (Richardson, 2010); e pré-processamentos para a codificação
de entropia usando Transformadas de Burrows-Wheeler (Burrows-Wheeler Transform – BWT) (Burrows e Wheeler, 1994) e a transformadaMove To Front (MTF).
Todos os testes exploratórios realizados com a transformada DST mostraram-se
inefetivos para a compressão de sinais biológicos. Isso provavelmente se dá porque a DST apresenta bons resultados de compactação apenas em casos bem específicos nos
quais o sinal tem uma certa distribuição estatística não comumente vista em sinais
capturados da natureza. No H.265 (Sullivan et al., 2012), por exemplo, a DST é usada
especificamente na codificação de blocos depixelspreditos via prediçõesintra-frame, ou seja, predições feitas de acordo com blocos depixels do próprio quadro atual do vídeo. Já a transformada KLT (Karhunen, 1947; Loève, 1948), como justificado na Seção 4.1,
foi considerada muito computacionalmente complexa para ser usada na prática.
Predições em blocos baseadas nas predições inter-frames de codificadores de vídeo também se mostraram inefetivas na compressão de sinais biológicos. Foram executados
testes exploratórios usando predições em bloco como pré-processamento para o método DCT+MinLag apresentado na Seção 5.2, resultando em perdas sutis de compressão
para sinais eletrocardiográficos. Além de não resultar em ganhos de RC, a procura por
blocos de predição prolonga o tempo de execução do codificador.
Testes exploratórios mostraram que, apesar da transformada Hadamard diminuir
a quantidade de informação que precisa ser codificada nos níveis DC do método
DCT+MinLag, uma codificação diferencial – como um DPCM (Seção 4.5) – obtém
resultados consideravelmente melhores a um custo computacional menor.
As BWTs, por sua vez, resultaram em perdas de performance de compressão con-sideráveis, quando usadas como pré-processamento para os métodos de codificação de
103 5.4. Conclusão do Capítulo
ordem em que os coeficientes são passados para o codificador de entropia, que já foi
pensada para explorar ao máximo as similaridades entre coeficientes DCT quantizados
de blocos vizinhos, como pode ser visto na Seção 5.2. Devido à ordem de codificação
baseada nos índices dos coeficientes e à característica da DCT de concentrar a
infor-mação nas baixas frequências, após certo ponto uma vasta quantidade de coeficientes
de altas frequências tende a assumir o valor zero. Essa é uma característica da qual muitos codificadores de entropia – como o PPM-C (Cleary e Witten, 1984), o BPPM
(Brasileiro e Cavalcanti, 2012) e o BitGol (Golomb, 1966) – se aproveitam para atingir
altas RCs. A BWT acaba por misturar coeficientes de alta frequência com coeficientes
de baixa frequência, desordenando a sequência com vários coeficientes de valor zero
contínuos ao misturá-los com coeficientes de valor não nulo.
5.4 Conclusão do Capítulo
O Capítulo 5 definiu os compressoreslosslesselossy utilizados na etapa de testes desse trabalho. O Capítulo 6 explicará a rotina de testes e os resultados obtidos, os quais
Capítulo 6
Resultados
A rotina de testes desse trabalho está compreendida em três classes: testes dos
compres-soreslossless, testes do compressor DCT+MinLag, e testes de comparação da estratégia DWT+SPIHT com as estratégias DCT+MinLag e DCT+KMinLag. Como é de se
esperar, os resultados de compressãolosslessgeram RCs menores que os resultados dos codificadoreslossy.
Como a quantidade de ruído e aleatoriedade em cada registro biomédico podem afetar a compressão, as RCs apresentadas neste capítulo são as médias das RCs
indivi-duais de todos os canais de um certo tipo de registro biomédico no MIT/BIH PSGDB,
salvo os resultados da Seção 6.3, na qual os resultados são avaliados independentemente
para cada registro biomédico. Esse cálculo da média visa suavizar o efeito dos outli-ers – principalmente sinais com erros de sensor que afetam a eficácia da compressão. As Seções 6.1, 6.2 e 6.3 apresentam respectivamente os resultados obtidos com as
es-tratégiaslossless, DCT+MinLag e uma comparação entre as técnicas DCT+MinLag, DCT+KMinLag e DWT+SPIHT descritas nas Seções 5.1 e 5.2.
105 6.1. Resultados das Estratégias de Compressão Lossless