多尺度变换系数方向扫描格型量化的多描述图像编码研究

来源 :辽宁师范大学 | 被引量 : 0次 | 上传用户:zhouyueying
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
近年来,随着手机、ipad、迷你电脑等互联网移动媒体终端的盛行,人们在不稳定的网络环境中浏览信息,常常为信息传输过程中可能出现的低速率、高失真买单。多描述编码在不可靠的异构网络中能够保证信息的实时性、鲁棒性传输,降低数据丢包和抗误码率,尽可能地减少图像失真,因此,多描述编码成为近年来研究的热点。格型矢量量化编码作为多描述编码的延伸,其优化的性能也得到了广泛的关注。经典的格型量化多描述编码采用小波变换方式提取子带信息方向特征,由于小波变换方向性不足,不能很好地捕获二维图像的线或者面的奇异,不能最佳地保留边缘纹理等几何信息,而边缘纹理等几何信息是图像的基本特征,这些信息的获取在图像编码过程中尤为重要。多尺度家族中的非下采样Shearlet变换、Contourlet变换以及Contourlet与小波联合的变换方法相比于小波变换能更好的反映曲线的各向异性,同时随着变换尺度的加细,更能有效的捕捉图像纹理的细节信息。因此,提出多尺度变换中的非下采样Shearlet、Contourlet以及Contourlet与小波联合的系数方向扫描格型量化的多描述图像编码方法,避免图像在传输过程中丢失纹理、边缘以及轮廓等几何信息。本文首先阐述了图像编码技术的国内外研究现状;其次,概述了多描述编码的相关知识,主要介绍了标量量化的多描述编码、矢量量化的多描述编码方法以及格型矢量量化的多描述编码方法。在多描述格型矢量量化理论分析的基础上,本文提出了三种基于方向系数扫描格型量化的多描述图像编码算法:(1)基于非下采样Shearlet方向扫描格型量化的多描述编码算法。利用图像非下采样Shearlet变换后具有的平移不变的特性提取特征方向,重新组织系数,在格型矢量量化器下形成两个描述,保证其中一个描述丢失时,另一个描述能够最大可能地恢复图像轮廓、边缘纹理信息,提高单路解码质量。(2)基于Contourlet方向扫描格型量化的多描述编码算法。依据图像经过Contourlet变换后子带系数具有多方向性,较好地捕获纹理、边缘、轮廓等几何信息,“最优”地表示二维图像的线或者面的奇异。(3)基于Contourlet与小波联合的方向扫描格型量化多描述编码算法。充分利用Contourlet变换方向异性与小波分解后结构稳定的优点,不仅降低了Contourlet变换冗余数据,而且能够很好的捕获点奇异。利用多尺度家族成员中的非下采样Shearlet变换、Contourlet变换以及Contourlet变换与小波变换联合的扫描策略在基于格的矢量量化多描述编码方法中的应用,三种方案均有效地提高了单路信道的峰值信噪比,且保留了原始图像的纹理、边缘等几何信息,仿真实验验证了所提出方案的有效性。
其他文献
随着互联网科技的不断发展,智能硬件设备不断普及,越来越多的设备需要连接无线网络以完成数据传递。苹果公司iOS操作系统,凭借极佳的用户体验,具有较高的市场占有率。然而智
目的:系统评价绕肝提拉法(Liver Hanging Maneuver,LHM)治疗肝癌的疗效和安全性。方法:计算机检索PubMed、Cochrane Library、Embase、Chinese Biomedical Literature(CBM)电
随着开采深度的增加,矿井温度升高,瓦斯解吸过程是吸热过程,吸附瓦斯大量解吸,煤层中瓦斯含量多少是影响矿井瓦斯涌出量的重要因素,也是确定矿井突出危险性的重要指标之一,导
下肢外骨骼机械腿是机械腿技术在医学领域的延伸,以帮助下肢瘫痪病人进行康复训练为宗旨,以设计出使下肢瘫痪病人能够独立自主生活的高科技设备为实现目标。它的出现使下肢瘫
随着合成孔径雷达成像(Synthetic Aperture Radar,SAR)的发展,对复杂的电大尺寸目标电磁散射特性的分析与研究越来越受到人们的重视。其中,物理光学方法是高频区电磁计算方法
本翻译报告基于笔者对教材《计算机科学中的伦理:简明模块》(Ethics in Computing:A Concise Module)第九章和第十章的翻译实践撰写而成。源文本围绕计算机科学的发展对社会
2015年1月30日最高人民法院公布的《关于适用民事诉讼法的解释》第247条首次明确将重复诉讼列入了规则对象,明确表示禁止重复诉讼,并简单的罗列了三款判断重复诉讼的标准。对
目的:探讨腹腔镜胆囊切除联合胆道探查术后胆总管一期缝合的学习曲线,并评估影响该手术方式中转开腹的独立危险因素。方法:回顾性分析我院单个医师从2009年1月至2015年4月实
随着信息技术的发展,传统的信号采集模式越来越不能够满足日益增长的数· 据量的需求。这急需一种能突破传统采样方式瓶颈的理论出现,压缩感知(Compressed Sensing,CS)理论应
图像分割是指按照图像特征属性的不同将其分成具有相同特征的区域并提、取出目标的过程,同时也是图像理解和机器视觉研究领域中的一个研究重点问题,其相关分割算法层出不穷,