自适应技术在图压缩中的应用研究.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
自适应技术在图压缩中的应用研究

摘 要+ 自适应编码技术作为一类提高压缩比的有效方法,一直是图像压缩技术研究中的热 点。已往很多的自适应算法由于图像分块算法的局限性(如分类非常有限,很难适应图 像块的变化),一直存在的诸如边缘失真较大,方块效应等问题。本文就是为了进一步解 决这样的问题,提出了两种分别利用图像空域和频域结构特征来进行自适应分块的方法: 基于图像边缘信息测度的自适应分块和基于DCT谱主方向的自适应分块。并将这两种自 适应算法与DCT编码方法及矢量量化技术结合,建立了基于边缘信息测度的自适应DCT 编码.基于DCT谱主方向的自适应DCT编码和基于DCT谱主方向的块分类矢量量化算法。 这也就构成了本文的主要内容。 首先提出了基于边缘信息测度的四叉树自适应分块的DCT压缩算法。该方法首先建 立了一个基于图像空域结构特征的定量判别准则——边缘信息测度,利用该测度能够很 好的区分出平滑点、纹理点、阶跃边缘和屋脊边缘点。进而根据这~判别准则对输入图 像进行分块。最后根据分割好的各个块的大小和块内包含边缘点的多少来进行不同压缩 比的DCT压缩编码。计算机模拟实验证明,这样的自适应分块方法,结合了边缘信息测 度和自适应分块的优势,提高了图像的压缩比和SNBR(传送一个比特时的信噪比)。 其次为解决上述自适应分块所带来的附加比特开销问题,本文提出了一种块融合传 输及基于DCT谱分布特征自适应分块的解码算法。使得编码时自适应分块算法的优势充 分发挥,更大的提高了自适应编码算法的压缩比。 接着本文建立了基于DCT谱主方向的自适应DCT编码算法,利用谱主方向及其特征 曲线,自适应地将平滑区和边缘区分开,再有区别的进行DCT编码。这一算法解决了非 自适应分块情况下不能充分发挥DCT谱主方向优势的问题,有效的提高了压缩比,是一 一种时间复杂度更低,压缩比更高的DCT编码方法。 最后本文探讨了一种将基于结构特征的自适应分块与矢量量化相结合的编码方法。 在前两章的基础之上,建立了基于DCT谱主方向的块分类矢量量化方法,针对分类后不 同细节子块设计不同的码书,进行分类矢量量化。实验结果证明,该方法比非自适应算 法具有更高8NR和MSE。而且由于各类码书尺寸较小,因此降低了搜索码字的时间复 杂度。同时推导出一个最优化条件,在满足该条件的情况下由于记录码书索引而增加的 比特开销的影响就会被消除。最后还对几种不同的自适应分块算法与矢量量化结合的可 行性问题进行了探讨。 关键词:静态图像压缩;DCT;自适应分块:边缘信息测度;DCT谱主方向:矢量量化 4 最优条件 +本课题属于国家交通部资助攻关项目:网络多媒体会议电视支持技术的研究 Abstract an mlenot instill but compression Adaptiveteehiliquesalwaysplayimportantonly image been inmotion studiesin have imagecompressionstandard.Althou曲muchadaptiveending doneinrecenttens ofthesestudies leadto ofthe years,many always discontinuityadjacent model blocksandblockeffect.becausetraditionalDCT tOOmuchollstatimical codingdeperids inclassified for

文档评论(0)

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档