以MQ算术编码器为核心技术的静态图像压缩

来源 :天津工业大学 | 被引量 : 0次 | 上传用户:Evilkonata
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着通信与信息技术的迅速发展、网络技术和多媒体技术的兴起,图像、视频相关的应用越来越广泛。图像和视频具有庞大的数据量,难以存储和传输,因此应对其进行压缩编码。  当今绝大多数商业软件(或网页浏览器)都支持8位精度Huffman编码的JPEG图像,少量支持8位精度QM算术编码的JPEG图像,只有大多数医学图像系统能创建、处理12位精度灰度Huffman编码的JPEG图像,而12位精度以算术编码为熵编码的JPEG灰度图像编解码至今也没实现。  本论文中采用MQ算术编码器和全相位反离散余弦变换(AllPhase Inverse Discrete Cosine Transform,APIDCT),替换JPEG标准中熵编码(Huffman编码与QM算术编码)和离散余弦变换(Discrete Cosine Transform,DCT),进一步提高熵编码效率,简化量化表,实现了8位精度灰度和彩色静态图像以及12位精度灰度静态图像编解码。在相同的峰-峰信噪比下,产生更少的压缩码字,生成更小的压缩文件。
其他文献
阵列信号处理波达方向(DOA)超分辨估计问题是近几十年研究的热点,其中均匀圆阵是最为常见的物理阵列结构,具有广泛的应用背景,比如雷达,声纳和卫星等。但是,在实际中由于均匀圆阵能
通过地震信号分类技术生成地震相图来确定地下储层对指导石油勘探有着重要作用,现有地震信号分类技术主要针对叠后信号,叠后信号是叠前信号的横向求和,导致很多地震信息丢失
随着互联网和多媒体方面的飞速成长,数字多媒体技术的应用获得了巨大的成就,比如图象、音频、视频等。但信息的安全性、版权保护等方面的问题也愈来愈受到人们的重视。在数字多
近些年,多媒体和网络技术发展迅速,促使了图像数据数量的大幅度增长,因此如何能够快速、准确地获取图像数据中的有用信息成为急需解决的问题,而维数约简技术作为其中的一种解决方
信号参数估计是阵列信号研究中一个重要的组成部分,随着实际应用需求的增加,各领域对于参数估计系统的要求也越来越高,因而为得到更精确的信源定位,参数估计算法的研究备受重
随着新一代移动通信网络(LTE-Advanced)的提出,人们对高质量无线通信服务的需求与日俱增。为了充分利用稀缺的频谱资源,LTE-A系统采用了全频率复用模式,但这一举措会引发小区间的
近几年,频谱的使用趋近于饱和,因此对频谱资源的使用要求就变得更高,这也使认知无线电(Cognitive Radio, CR)成为目前无线通信领域研究的热点。认知无线电网络包括认知用户(无执
网络拓扑推断在计算机网络领域是十分重要的一个问题。无论对于普通的网络使用者还是网络管理者而言,精确了解网络内部结构对于监控网络运行状态,设计网络应用都具有重要的意
高分辨率SAR图像能够为环境监测及情报收集提供有力支持,随着SAR成像技术的快速发展和侦察频次的不断提升,对于高分辨率SAR图像自动解译技术的需求日益迫切。在新出现的分米级
摘 要:随着我国石油事业的不断发展,石油开采技术进入一个崭新的阶段,化学技术成果取得了可喜的成果,分层注水的广泛应用极大的促进了石油开采技术的发展,分层管柱注水对提高油田开采的效率起着十分重要的作用,光管柱注水应该指的是水井里面只下入油管,无任何其他的井下工具(封隔器、配水器之类的)对目的层进别是针对我国油田特点,加强油田勘探开发,提高油田开采率,加强环境特殊保护,需要更多新型、高效、无污染的注水