Методы и устройства преобразования и квантования вейвлет-спектров при внутрикадровом сжатии цифровых телевизионных сигналов

• Автор: Мочалов, Иван Сергеевич
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Ярославль
• Количество страниц: 158 с. : ил.

ОГ ДАВЛЕНИЕ
Список сокращений
ВВЕДЕНИЕ
1. МЕТОДЫ СЖАТИЯ ИЗОБРАЖЕНИЙ
1.1. Преобразования
1.1.1. Блочные преобразования
1.1.2. Вейвлет-преобразования
1.1.3. Направленные преобразования
1.2. Развитие методов энтропийного кодирования коэффициентов
преобразований
1.3. Алгоритмы сжатия изображений, основанные на вейвлет
преобразовании.
1.3.1. Алгоритмы Льюиса и Ноулеса
1.3.2. Алгоритм Шапиро
1.3.3. Алгоритм SPIHT
1.3.4. Алгоритмы блочного иерархического кодирования
1.3.5. Алгоритм квантования деревьев
1.3.6. Алгоритм SFQ
1.3.7. Стандарт JPEG-2000
1.4. Алгоритмы сжатия изображений, основанные на блочных
преобразованиях
1.4.1. Стандарт JPEG
1.4.2. Алгоритм EZW DCT
1.4.3. Сжатие 1-кадров в стандарте Н
1.4.4. Алгоритм ADCTC
1.5. Алгоритмы сжатия изображений, основанные на фрактальной
модели изображения
1.6. Выводы

2. КВАНТОВАНИЕ ВЕЙВЛЕТ-КОЭФФИЦИЕНТОВ В
СИСТЕМАХ СЖАТИЯ
2.1. Равномерное квантование
2.2. Равномерное квантование с расширенной нулевой зоной
2.3. Квантование Ллойда-Макса
2.4. Адаптивное квантование, основанное на энтропии
2.5. Алгоритм оптимального квантования для фиксированной 71 кодовой книги и энтропийного кодера
2.5.1. Общие положения разработанного алгоритма
2.5.2. Расчет числа бит на первом уровне вейвлет- 74 преобразования
2.5.3. Расчет числа бит в общем случае
2.5.4. Общие положения квантователя
2.6. Выводы
3. РАЗРАБОТКА ПРЕОБРАЗОВАНИЯ ВЕЙВЛЕТ-СПЕКТРА 82 ДЛЯ КОМПРЕССИИ ИЗОБРАЖЕНИЙ
3.1. Общие требования к преобразованию
3.2. Нелокальная обработка
3.3. Разработка преобразования для сжатия изображений на
основе нелокальной обработки
3.3.1. Форма окрестности
3.3.2. Общий принцип декодирования
3.3.3. Сжатие с потерями
3.3.4. Кодер
3.4. Квантование
3.6. Результаты первичного тестирования
3.7. Выводы
4. РАЗРАБОТКА УСТРОЙСТВ ПРЕОБРАЗОВАНИЯ И
КВАНТОВАНИЯ ВЕЙВЛЕТ-СПЕКТРОВ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ
4.1. Оценка параметров шума
4.2. Результаты тестирования субоптимального квантования
4.3. Практическая реализация предложенного нелокального
преобразования вейвлет-спектров
4.3.1. Принцип вычисления разностей окрестностей
4.3.2. Устройства прямого и обратного преобразования
4.4. Особенности выбора оценки качества восстановленного
изображения
4.5 Результаты тестирования
4.6. Выводы
ЗАКЛЮЧЕНИЕ
Литература

Входной коэффициент
Символ Символ Символ Символ
«+» «-» «О» «Корень
ШкШШ*
Рис. 1.12. Дерево решений алгоритма Шапиро
Процесс повторяется итерационно и может быть прерван в любое время. Карта значимых коэффициентов, предложенная Шапиро - это бинарный массив, указывающий позиции значимых вейвлет-коэффициентов. Множество практических исследований алгоритма Шапиро показывают, что он позволяет эффективно кодировать карту значимости с помощью предсказания значимости коэффициентов от уровня к уровню. Модель изображения, используемая в алгоритме Шапиро, основывается на предположении, что если родительский коэффициент незначим по отношению к порогу Т, то и его потомки с большой вероятностью незначимы относительно этого порога. Межобластная избыточность, таким образом, эффективно устраняется с помощью группировки незначимых коэффициентов в деревья и кодирования таких нуль-деревьев всего одним символом.