版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、如何高質(zhì)量地編解碼多媒體文件,以應對不穩(wěn)定的網(wǎng)絡和無線信道傳輸是個充滿活力的研究課題。一直以來,多媒體算法的研究目標是在相同質(zhì)量的條件下追求更高的壓縮比,以適應低容量終端存儲器和窄帶傳輸?shù)男枨?。?jīng)典的多媒體壓縮算法,主要以信息論為指導,取得了較好的主觀和客觀質(zhì)量。但是這些傳統(tǒng)的壓縮方法受其固有性質(zhì)的限制,在低碼率下易產(chǎn)生塊效應和振鈴效應。本文首先從計算機視覺的角度出發(fā),提出了基于基元圖的圖像壓縮可重用系統(tǒng),充分挖掘了圖像之間的可重用信息
2、,達到了在相同碼率下提升主觀質(zhì)量的目的。 其次,對于壓縮,一直以來較多的關(guān)注投入在前端去除空間和時間冗余上。對于去除統(tǒng)計冗余的熵編碼階段,由于其數(shù)學建模的困難性,一直關(guān)注較少。為了適應低碼率下文件的傳輸或存儲,本文以可執(zhí)行文件為研究對象,提出了基于上下文的熵編碼模型,設計了面向算術(shù)編碼的建模方案和壓縮系統(tǒng)。 再次,在傳輸中,信源編碼后得數(shù)據(jù)流存在高依存度,導致抗錯性差,易于誤碼傳播。本文面向H.264 CABAC提出了基
3、于上下文的二進制算術(shù)編碼錯誤檢測機制,該機制充分挖掘了對象文件的上下文關(guān)系,從而有針對性地加入冗余,達到檢測的目的。 與之相對應,(1) 本文從計算機視覺的角度出發(fā),提出了基于基元圖的圖象壓縮系統(tǒng)框架。該方法通過尋找低碼率圖像間的可重用信息,訓練了具有可重用意義的特征集合,能夠運用于不同內(nèi)容圖像的高頻信息,加以學習,以此來提升圖像質(zhì)量。在編碼端只需要壓縮源圖像下采樣后的低分辨率小圖像,在解碼端可以利用基元圖的方法恢復出高頻信息,
4、從而達到在相同碼率下更好的圖像質(zhì)量。該方法適應于低碼率下圖像的壓縮,能夠在主觀和客觀質(zhì)量上都超過JPEG2000算法。 (2) 文章以可執(zhí)行文件為研究對象,提出了基于上下文的熵編碼建模方案。對可執(zhí)行文件中的指令段匯編部分做了深刻剖析,設計了多維稀疏分布的馬爾科夫關(guān)聯(lián),并采用神經(jīng)網(wǎng)絡來進一步調(diào)整不同維馬爾科夫鏈之間的預測關(guān)系,從而充分挖掘了對象文件之間的相關(guān)性。壓縮效率比現(xiàn)有的其它算法在相同復雜度的情況下有較大的提高。 (
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于上下文的圖像標注研究.pdf
- 基于上下文的圖像理解算法研究.pdf
- 基于上下文信息的語義圖像分類研究.pdf
- 基于上下文語義的圖像編輯.pdf
- 基于上下文分類的圖像壓縮方法研究.pdf
- 基于上下文相關(guān)的圖像檢索方法研究.pdf
- 基于上下文的圖像插值方法.pdf
- 基于上下文信息的Web圖像標注研究.pdf
- 基于上下文的圖像插值方法(1)
- 基于形狀上下文的圖像內(nèi)容檢索方法研究.pdf
- 基于上下文的多維圖像的無損-有損壓縮技術(shù).pdf
- 基于上下文的靜止圖像和極光圖像壓縮.pdf
- 基于上下文的隱喻理解研究.pdf
- 基于上下文的實體鏈指技術(shù)研究.pdf
- 基于社會上下文約束和物品上下文約束的協(xié)同推薦.pdf
- 基于語義上下文建模的圖像語義自動標注研究.pdf
- 基于上下文的目標檢測研究.pdf
- 基于圖像視覺上下文的多元IB聚類算法.pdf
- 基于稀疏表示及上下文信息的PolSAR圖像分類.pdf
- 基于上下文稀疏表示的圖像超分辨率.pdf
評論
0/150
提交評論