学位论文 > 优秀研究生学位论文题录展示

近无损图像压缩中预测误差修正的研究与应用

作　者: 桂小林
导　师: 陈建华
学　校: 云南大学
专　业: 通信与信息系统
关键词: 近无损压缩误差修正 Context模型 TCQ
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 32次
引　用: 0次
阅　读: 论文下载

内容摘要

近无损图像压缩技术是一种既能限制每个像素重建的误差又有较高的压缩率的技术。随着医学成像、卫星通信、遥感、指纹识别等技术的发展,近无损压缩技术受到越来越多的研究人员的重视。本文在现有的近无损图像压缩方法的基础上,用基于Context模型的预测修正方法,结合有较高量化增益的网格编码量化(TCQ)方法进行实验,取得较好的压缩结果。本文的主要内容可归纳为以下几点:1从条件信息熵的角度出发,在理论上分析了取得更好压缩效果的可能性。2从一般的均匀量化出发,简要地阐述了网格编码量化的原理。3把梯度预测以及误差修正与有较高量化增益的TCQ结合在一起构建了一个编码压缩系统,这个系统的设计思路如下:首先,用梯度自适应预测方法对图像进行预测。其次,对预测误差进行了基于上下文的修正。即每次完成对像素的预测后,记下当前像素预测上下文的纹理特征,以及预测误差。如果我们检测到:对于某一种特定的预测上下文纹理特征,总是出现预测误差偏大或者偏小,那么我们下次再遇到上下文符合此种模式的像素时就可以把像素的值预测得更低或者更高些,算法实现上是通过减去预测误差条件分布的均值的办法对误差进行修正,以进一步降低预测误差的熵,从而在同等重建误差的情况下,进一步提高压缩性能。最后对经过误差修正的预测误差进行网格编码量化再进行熵编码以获得最终压缩输出。与之前文献报告的一些方法相比,本文方法取得了令人满意的结果。

全文目录

摘要  3-4
Abstract  4-7
第一章绪论  7-13
  1.1 图像压缩方法及分类  7-8
  1.2 研究的目的和意义  8-10
  1.3 近无损图像压缩编码技术的发展现状  10-11
  1.4 论文的主要工作  11-12
  1.5 论文的主要结构及创新点  12-13
第二章数字图像压缩理论基础  13-21
  2.1 图像压缩编码信息论基础  13-16
    2.1.1 图像压缩编码系统的基本结构  13
    2.1.2 信源模型及其熵  13-16
  2.2 预测方法简介  16-18
    2.2.1 MED（median edge detection）预测器  16-17
    2.2.2 GAP（gradient-adjusted predictor）预测器  17-18
    2.2.3 ALCM 与 JSLUG 预测器  18
  2.3 量化方法简介  18-19
  2.4 熵编码方法简介  19-20
  2.5 压缩图像质量的客观评价  20-21
第三章 TCQ 简介  21-26
  3.1 TCQ 的应用现状  21
  3.2 TCQ 的原理  21-25
    3.2.1 卷积编码器及网格  22
    3.2.2 TCQ 的编码和解码  22-25
  3.3 L∞准则约束下的最大步长均匀量化  25-26
第四章预测误差修正的建模  26-36
  4.1 本文预测器  26-29
    4.1.1 本文预测值的计算方法  27-29
  4.2 预测误差修正方案一  29-33
    4.2.1 方案一误差修正模型  29-32
    4.2.2 基于能量误差与纹理模式的反馈自适应预测器  32-33
  4.3 误差修正方案二  33-36
    4.3.1 方案二误差修正器的设计  33-34
    4.3.2 基于梯度的误差反馈自适应预测器  34-36
第五章算法及实验  36-46
  5.1 算法  36-39
    5.1.1 编码框架及步骤  36-37
    5.1.2 TCQ 参数的选取  37-39
    5.1.3 熵编码  39
  5.2 实验结果及结论  39-46
    5.2.1 实验一的结果及分析  40-42
    5.2.2 实验二的结果及分析  42-44
    5.2.3 实验三的结果及分析  44-45
    5.2.4 实验结论  45-46
第六章全文总结及下步工作  46-48
  6.1 全文总结  46
  6.2 下一步工作  46-48
参考文献  48-51
致谢  51-52
附录实验数据  52-59

近无损图像压缩中预测误差修正的研究与应用

内容摘要

全文目录

相似论文