Компрессия цифровых изображений с использованием векторного квантования в области дискретных ортогональных преобразований

• Автор: Кочетков, Михаил Евгеньевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 1999
• Место защиты: Москва
• Количество страниц: 191 с. : ил.

ГЛЛВЛ I. О СРАШIIИИ КАЧЕСТВА ИЗОБРАЖЕНИЙ. Стандарт сжатия цифровых изображений . Фрактальное кодирование изображений. ГЛАВА 2. ЭНТРОПИЙНЫЙ КРИТЕРИЙ ДЛЯ СРАВНЕНИЯ ДИСКРЕТНЫХ ОРТОГОНАЛЬНЫХ ПРЕОБРАЗОВАНИЙ. ПСЕВДОКОСИНУСНОЕ ПРЕОБРАЗОВАНИЕ. ЭНТРОГ1ИЙ1ЫЙ КРИТЕРИЙ ОЦЕНКИ ДЕКОРРЛИРУОЦИХ свойств ОРТОГОНАЛЬНЫХ ПРЕОНР. Дискретное псевдокосинусное преобразование ДК. ГЛАВА 3. Постановка задачи и краткое описание классическо о алгоритма арифметического кодирования
3. Процедура ОБНОВИТЬ МОДЕЛЬ. Процедура ЗАКОНЧИТЬКОДИРОВАНИЕ. ГЛАВА 4. МОДИФИКАИИ КЛАССИЧЕСКОО АЛГОРИТМА ВЕКТОРНО О КВАНТОВАНИЯ. ОВАЯ СХЕМА ВЕКТОРНОГО КОДИРОВАНИЯ. АЛГОРИТМ РАЗБИЕНИЯ НА ОБЛАСТИ. У. Пример работы алгоритма разбиения на ОНК. Сравнение нового алгоритма ВК С . О ВЫБОР. О СРАВНЕНИИ НОВОГО АЛГОРИТМА ВК С . ОГОВОН КЙН 1 С С I I
потерь оправдано в случаях необходимости хранения оригиналов и зображений и в ситуациях, связанных с правовыми вопросами публикации изображений, права на которые не принадлежат издателю. Огромный интерес представляют методы сжатия с потерями.

ОГОВОН КЙН 1 С С I I

потерь оправдано в случаях необходимости хранения оригиналов и зображений и в ситуациях, связанных с правовыми вопросами публикации изображений, права на которые не принадлежат издателю. Огромный интерес представляют методы сжатия с потерями. Обусловлено это в первую очередь большим объемом данных, необходимых для иредстаатения трафнческой информации. Гак. Мб. Преобразование трафнческой информации к удобном итя последующей обработки виу. Сюда можно отнести перевод изображения в отличное от исходного пространство представления цветов, разбиение на области, применение ортогональных преобразований. Квантование, цель которою уменьшил, количество содержащейся в исходном изображении информации. Сюда можно отнести цвсторазностнос прореживание, скалярное квантование спектров, полученных после ортогональных преобразований, замену одних групп коэффициентов спектров другими с некоторой погрешностью и проч. Статистическое кодирование оставшейся после применения второю этапа информации. О сравнении качества изображений. В этой работе постоянно будет сравниваться качество изображений после их кодирования с потерями. В этом разделе будет введена объективная оценка для такого сравнения. Будучи довольно приблизительной, эта мера, тем не мснсс. Л число точек изображения. Р и два изображения, Рп и 0 точки изображения. Пиковое значение для точки, равное 5, было выбрано по историческим причинам, связанным с ее типичным 8ми битовом представлением при колировапи и изображени й. Обычно, чем выше , тем выше качество сжатого изображения. Если два изображения идентичны, то будет равен бесконечности.