Кодовое квантование при сжатии видеоизображений

• Автор: Белоголовый, Андрей Владимирович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Санкт-Петербург
• Количество страниц: 117 с. : ил.

Содержание
Введение

1. Векторное квантование при сжатии изображении

1.1. Сжатие изображений с потерями. Постановка задачи

1.2. Обзор известных подходов

Сжатие, основанное на ДКП

Сжатие, основанное на ДВП

Сравнение работы алгоритмов

1.3. Векторное квантование изображений

1.4. Построение кодовых книг для векторного квантования

Обобщенный алгоритм Ллойда

1.5. Основные способы вееторного квантования изображений
Векторное квантование во временной области
Векторное квантование в спектральной области
1.6. Сравнение векторного квантования изображений с другими алгоритмамиЗО
1.7. Выводы по разделу
2. Векторное квантование с использованием пространственных преобразований ш
2.1. Использование преобразований для компактного задания кодовых книг Пространственные преобразования
2.2. Специальное формирование векторов для процедуры векторного квантования
Направленное формирование векторов
2.3. Обобщение пространственных и спектральных преобразований1
2.4. Выводы по разделу
3. Трансформационные коды для сжатия изображений
3.1. Определение трансформационного кода
3.2. Трансформационный код как покрытие видеоизображения
3.3. Сжатие изображений при помощи трансформационных кодов
3.4. Трансформационное квантование кодовой книгой как способ сжатия статических изображений
Выбор преобразований
Расширение множества преобразований
3.5. Трансформационная компенсация как сжатие видеопоследовательностей
Традиционная компенсация движения
Трансформационная компенсация
Совместное использование традиционной и трансформационной компенсации
3.6. Выводы по разделу
4. Трансформационные коды, основанные на алгебраических конструкциях
4.1. Преобразования для покрытий и конструктивных кодов
Общий алгоритм трансформационного квантования
Декодирование как поиск квантователя
4.2. Коды с низкой плотностью проверок на четность
4.3. Итеративное декодирование кодов с низкой плотностью проверок на четность
Симметричные каналы с двоичным входом
Декодирование ошибок канала
Жесткое декодирование
Декодирование по вероятностям
4.4. Быстрое декодирование по надежностям
4.5. Многопороговое декодирование по надежностям
4.6. Квантование изображений кодами с низкой плотностью проверок на четность
Выставление надежностей при квантовании битовых плоскостей
Алгоритм квантования битовых плоскостей с выставлением надежностей
4.7. Выбор параметров кодов для квантования
4.8. Использование кодового квантования совместно с другими алгоритмами
4.9. Выводы по разделу
Заключение
Литература


Это произошло отчасти и потому, что сложность реализации всех составляющих алгоритмов стандарта JPEG небольшая, поэтому все другие подходы и алгоритмы, требующие существенно большего числа операций и, соответственно, мощности вычислительной техники, остались в стороне. Однако в настоящее время, когда производительность вычислительной техники существенно возросла по сравнению с возможностями техники во время принятия стандартов JPEG и т. Поэтому представляется целесообразным обратить внимание на другие подходы и методы, требующие существенно большего числа операций, если при этом возможно будет повысить качество изображений или степень сжатия. Одним из таких направлений являются алгоритмы сжатия, основанные на векторном квантовании. В диссертационной работе рассматривается векторное квантование изображений, анализируются основные алгоритмы векторного квантования, предлагаются подходы к решению задачи векторного квантования на основе использования пространственных преобразований и аппарата теории кодирования. Основной целью работы является: разработка и исследование методов сжатия изображений и видеопоследовательностей на основе векторного квантования, использующего коды, исправляющие ошибки. Методы исследования. Предложен метод квантования для сжатия изображений, основанный на использовании кодов, исправляющих ошибки. Разработаны алгоритмы трансформационной компенсации, реализующие кодовое кантование для сжатия статических изображений и видеопоследовательностей с использованием кодового квантования, пространственных преобразований и декодирования по надежностям. Предложен метод выставления надежностей, основанный на разбиении изображения на битовые плоскости, для использования в кодовом квантовании. Предложен метод декодирования с использованием надежностей, который возможно применять для ускорения поиска в задаче нахождения квантователя. Получены экспериментальные оценки эффективности предложенных методов на различных типах изображений и видеопоследовательностей. Практическая ценность и реализация результатов. Практическая ценность работы определяется том, что предложенные методы позволяют получить выигрыши по сжатию или по качеству восстановленных изображений для некоторых типов изображений, а также допускают совместное использование с традиционными алгоритмами. Результаты работы использовались в разработках ряда организаций и в учебном процессе Санкт-Петербургского Университета аэрокосмического приборостроения. Публикации. Материалы, отражающие основное содержание и результаты диссертационной работы, опубликованы в 8 печатных работах. Алгоритм сжатия, основанный на декодировании по надежностям кодов с низкой плотностью проверок на четность. Многопороговый алгоритм декодирования кодов с низкой плотностью проверок на четность по надежностям. Способ использования пространственных и спектральных преобразований и группировок совместно с кодовым квантованием для сжатия изображений. Структура работы. Первый раздел представляет собой постановку задачи сжатия изображений с потерей качества, обзор и анализ наиболее известных подходов и методов сжатия изображений, в том числе - основанных на векторном квантовании. В разделе приводятся основные алгоритмы и описываются проблемы, возникающие при векторном квантовании изображений. Второй раздел посвящен применению различных преобразований для использования совместно с векторным квантованием изображений. Рассматриваются конкретные наборы преобразований, позволяющие повысить качество восстановленного изображения и уменьшить размер кодовых книг при векторном квантовании. В третьем разделе вводится понятие кодов, инвариантных относительно преобразований, и на основе введенных определений формулируется задача кодового квантования изображений для сжатия статических изображений и видеопоследовательностей. Четвертый раздел посвящен использованию алгебраических конструкций кодов для кодового квантования изображений. В разделе рассматриваются алгоритмы декодирования кодов с низкой плотностью проверок на четность и описываются процедуры квантования, основанные на декодировании кодов, исправляющих ошибки. В данном разделе также приведены результаты использования кодового квантования с использованием алгебраических конструкций.