【摘要】：多描述編碼(Multiple description coding,簡稱MDC)是一種對圖片、視頻具有較強錯誤隱藏和錯誤恢復能力的編碼技術。針對因互聯(lián)網(wǎng)的異構性和無線通信網(wǎng)絡的高誤碼率導致的不可靠傳輸問題,多描述編碼將信源劃分成多個獨立的數(shù)據(jù)流,并使用不同的信道分別傳輸來減少信息在傳輸時受到的干擾與破壞。字典學習是一種用字典學習信號得到稀疏表示模型的方法,通過線性組合字典中的原子來實現(xiàn)輸入信號的稀疏表示。在本文中,我們在字典學習算法的基礎上對多描述圖像編碼方法進行深入研究。本文的主要研究內容如下:(1)提出了基于K奇異值分解(K singular value decomposition,簡稱KSVD)的多描述圖像編碼。KSVD是一種比較高效的字典學習算法,它利用給定的訓練數(shù)據(jù)獲得過完備字典,然后對傳輸圖像進行學習從而獲得圖像的稀疏表示。鑒于圖像是復雜的二維信號,使用小波變換(Wavelet transform,簡稱WT)或離散余弦變換(Discrete cosine transform,簡稱DCT)這種固定變換方法容易造成細節(jié)信息的丟失。因此,本文使用可以自適應學習字典的KSVD算法對圖像進行變換,從而獲得更好反映圖像細節(jié)特征的稀疏變換系數(shù)。實驗結果證實了該算法對圖像恢復的高效性。(2)提出了基于量化的KSVD(Quantized KSVD,簡稱Q-KSVD)的多描述圖像編碼。Q-KSVD在KSVD的基礎上對其學習字典的原子進行了量化,壓縮了字典,在保持高效識別度的同時減少了字典的存儲空間。鑒于KSVD中字典原子是簡單地歸一化后以浮點數(shù)形式存儲在空間中,會占用較大的空間。因此,本文使用量化的KSVD對圖像進行稀疏變換,對訓練中的字典進行壓縮從而減少存儲空間的浪費。實驗結果驗證了使用Q-KSVD算法可以實現(xiàn)與未壓縮時相當?shù)膱D像恢復度,且極大的減少了存儲字典所占用的空間。
【學位授予單位】：山東師范大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TN919.81
【圖文】：

山東師范大學碩士學位論文比較公式(2-4)和公式(2-5)得出隨著比特率 方法二中的失真衰減的比方法一中的更快。2.2.4 MDROQ 和 MDUOQMDROQ 和 MDUOQ 是在 MDLTPC、TRPCSQ、TLMDC 三種方法的基礎上，基于隨機和均勻量化理論提出的兩種 MDC 高效方法。其中，MDROQ 是基于預測引起的隨機偏移量化器的多描述編碼方法，MDUOQ 是基于不等死區(qū)引起的近均一偏移量化器的多描述編碼方法。在這兩種方法中，它們基于二維模式將輸入圖像劃分為 M 個子集（二維模式下的子集劃分如圖 2-6 所示），以得到 M 個描述。

我們使用基于 KSVD的變換代替多描述圖像編碼方法中常用的 DCT 變換，并提出新的多描述編碼方法：基于 KSVD 的 MDROQ。圖 3-2 顯示了改進后的基于 KSVD的 MDROQ 的編碼和解碼的系統(tǒng)圖（M=2）。其中，塊大小為 并且每條線代表半塊（即 個樣本）。P 表示編碼端的前置濾波器，T 表示解碼端的后置濾波器，它們都在兩個塊的邊界處使用。其中 P 和 T 具有以下結構以便導出最佳的近似線性相位重疊變換： (3-7) (3-8) [ ] (3-9) 是 × 單位矩陣， 是 × 可逆矩陣，并且 是 × 個對等單位矩陣。對于多描述圖像編碼，為了生成 個描述，我們首先將輸入圖像劃分為 個子集。在編碼過程中，通過 P 對每個子集進行濾波，然后使用基于 KSVD 的變換使變換系數(shù)稀疏。其中， ( )是第 個子集的對應變換系數(shù)。以兩描述為例，圖像被劃分成兩個子集 ，如圖 3-3。

基于KSVD的MDROQ，MDROQ和MDLTPC的邊路PSNR和中心PSNR結果，其中

【相似文獻】

相關期刊論文 前10條

1 朱曉蓉;;圖像編碼標準的進展[J];硅谷;2009年04期

2 涂國防,高紹帥,張燦;小波變換幀間預測醫(yī)學圖像編碼[J];電子與信息學報;2002年04期

3 張春田;圖像編碼的國際標準化[J];電視技術;1994年03期

4 李曉明;通用活動圖像編碼[J];無線電工程;1994年Z1期

5 趙道木;陳林飛;汪小剛;;光學圖像編碼新進展[J];激光與光電子學進展;2007年02期

6 王娜,張力,李霞;一種多閾值的快速小波零塊圖像編碼方法[J];深圳大學學報;2004年04期

7 蔡燦輝,丁潤濤;X樹圖像編碼[J];電子與信息學報;2003年02期

8 畢厚杰;靜止圖像編碼[J];通信學報;1993年02期

9 蔣偉;楊俊杰;;率失真優(yōu)化的壓縮感知圖像編碼[J];電視技術;2016年11期

10 何蕓;;第20屆圖像編碼會議簡介[J];國際學術動態(tài);1998年08期

相關會議論文 前10條

1 李曉莉;單承贛;;嵌入式基于小波變換的圖像編碼的研究[A];全國第16屆計算機科學與技術應用（CACIS）學術會議論文集[C];2004年

2 趙淵;張子范;張吉慶;張成;;基于模型的臉部圖像編碼[A];1996年中國智能自動化學術會議論文集（下冊）[C];1996年

3 劉瑩;李娜;馮暖;;基于數(shù)字電視信源圖像編碼系統(tǒng)的研究與設計[A];第六屆全國信息獲取與處理學術會議論文集（3）[C];2008年

4 薛翠紅;于明;;用于感興趣區(qū)域圖像編碼的人臉特征的檢測[A];全國第十屆企業(yè)信息化與工業(yè)工程學術年會論文集[C];2006年

5 侯正信;;利用邊緣特征的離散余弦子帶圖像編碼[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

6 姜恩華;韓朝軍;王利娟;王璞;;小波變換在JPEG2000圖像編碼中的應用分析[A];第十三屆全國煤礦自動化學術年會、中國煤炭學會自動化專業(yè)委員會學術會議論文集[C];2003年

7 葛善虎;丁宣浩;;一種新的在圖像壓縮中的適度分層閾值法[A];廣西計算機學會2006年年會論文集[C];2006年

8 席迎來;郝重陽;;一種基于DCT變換系數(shù)統(tǒng)計特性的全零塊預測改進方法[A];中國航空學會信號與信息處理專業(yè)全國第八屆學術會議論文集[C];2004年

9 鐘斌;晏磊;許超;;提升小波在圖像壓縮中的應用分析與硬件實現(xiàn)[A];全面建設小康社會：中國科技工作者的歷史責任——中國科協(xié)2003年學術年會論文集（上）[C];2003年

10 張忠偉;;一種適用于深空壓縮圖像傳輸?shù)牟铄e控制策略[A];第二十五屆全國空間探測學術研討會摘要集[C];2012年

相關重要報紙文章 前2條

1 本報記者　 周蕾;中國IPTV六項標準上半年內報批[N];網(wǎng)絡世界;2006年

2 河北 孫玉軍;巧用ACDSee壓縮圖像[N];電子報;2007年

相關博士學位論文 前10條

1 梁斌;靜態(tài)醫(yī)學圖像和序列醫(yī)學圖像編碼新方法研究[D];第一軍醫(yī)大學;2004年

2 李建欣;基于小波變換的低碼率圖像編碼研究[D];南京理工大學;2006年

3 甘濤;高性能的可伸縮圖像編碼研究[D];電子科技大學;2008年

4 張正陽;高性能圖像編碼研究[D];西安電子科技大學;1999年

5 王琪;基于小波變換的嵌入式圖像編碼方法研究[D];西北工業(yè)大學;2003年

6 趙瑩;基于分形幾何學的圖像信息表示及其應用研究[D];合肥工業(yè)大學;2009年

7 王冬芳;基于矢量量化技術的圖像實時壓縮芯片的研究[D];西安理工大學;2009年

8 陳林飛;基于分數(shù)變換光學的圖像編碼和信息處理技術研究[D];浙江大學;2008年

9 許繼征;高效圖像編碼中自適應變換的研究[D];上海交通大學;2011年

10 張志遠;基于分形的多描述圖像編碼[D];北京交通大學;2009年

相關碩士學位論文 前10條

1 孫桂娜;基于KSVD的多描述圖像編碼研究[D];山東師范大學;2019年

2 宗京秀;基于人眼視覺特性的多描述圖像編碼的研究[D];山東師范大學;2018年

3 賴宇;融合壓縮感知技術和分形理論的圖像編碼方法研究[D];暨南大學;2018年

4 何志應;高效圖像編碼及后處理算法研究[D];電子科技大學;2018年

5 史晶;基于全變分修補模型的多尺度圖像編碼系統(tǒng)[D];西北大學;2009年

6 孫翠榮;基于語義的圖像編碼與圖像質量評價方法的研究[D];中國科學技術大學;2016年

7 張揚;多種數(shù)字圖像編碼設備集中監(jiān)控技術的開發(fā)及應用[D];山東大學;2008年

8 杜彬;圖像編碼中的可見性與不可見性表達[D];大連工業(yè)大學;2014年

9 陳文廣;彈載圖像編碼與傳輸系統(tǒng)研究[D];南京理工大學;2007年

10 劉彥慧;基于深度學習的圖像編碼方法研究[D];哈爾濱工業(yè)大學;2017年

本文編號：2766514