基于KSVD的多描述图像编码研究

发布时间：2020-07-22 23:24

【摘要】：多描述编码(Multiple description coding,简称MDC)是一种对图片、视频具有较强错误隐藏和错误恢复能力的编码技术。针对因互联网的异构性和无线通信网络的高误码率导致的不可靠传输问题,多描述编码将信源划分成多个独立的数据流,并使用不同的信道分别传输来减少信息在传输时受到的干扰与破坏。字典学习是一种用字典学习信号得到稀疏表示模型的方法,通过线性组合字典中的原子来实现输入信号的稀疏表示。在本文中,我们在字典学习算法的基础上对多描述图像编码方法进行深入研究。本文的主要研究内容如下:(1)提出了基于K奇异值分解(K singular value decomposition,简称KSVD)的多描述图像编码。KSVD是一种比较高效的字典学习算法,它利用给定的训练数据获得过完备字典,然后对传输图像进行学习从而获得图像的稀疏表示。鉴于图像是复杂的二维信号,使用小波变换(Wavelet transform,简称WT)或离散余弦变换(Discrete cosine transform,简称DCT)这种固定变换方法容易造成细节信息的丢失。因此,本文使用可以自适应学习字典的KSVD算法对图像进行变换,从而获得更好反映图像细节特征的稀疏变换系数。实验结果证实了该算法对图像恢复的高效性。(2)提出了基于量化的KSVD(Quantized KSVD,简称Q-KSVD)的多描述图像编码。Q-KSVD在KSVD的基础上对其学习字典的原子进行了量化,压缩了字典,在保持高效识别度的同时减少了字典的存储空间。鉴于KSVD中字典原子是简单地归一化后以浮点数形式存储在空间中,会占用较大的空间。因此,本文使用量化的KSVD对图像进行稀疏变换,对训练中的字典进行压缩从而减少存储空间的浪费。实验结果验证了使用Q-KSVD算法可以实现与未压缩时相当的图像恢复度,且极大的减少了存储字典所占用的空间。
【学位授予单位】：山东师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN919.81
【图文】：

山东师范大学硕士学位论文比较公式(2-4)和公式(2-5)得出随着比特率 方法二中的失真衰减的比方法一中的更快。2.2.4 MDROQ 和 MDUOQMDROQ 和 MDUOQ 是在 MDLTPC、TRPCSQ、TLMDC 三种方法的基础上，基于随机和均匀量化理论提出的两种 MDC 高效方法。其中，MDROQ 是基于预测引起的随机偏移量化器的多描述编码方法，MDUOQ 是基于不等死区引起的近均一偏移量化器的多描述编码方法。在这两种方法中，它们基于二维模式将输入图像划分为 M 个子集（二维模式下的子集划分如图 2-6 所示），以得到 M 个描述。

我们使用基于 KSVD的变换代替多描述图像编码方法中常用的 DCT 变换，并提出新的多描述编码方法：基于 KSVD 的 MDROQ。图 3-2 显示了改进后的基于 KSVD的 MDROQ 的编码和解码的系统图（M=2）。其中，块大小为 并且每条线代表半块（即 个样本）。P 表示编码端的前置滤波器，T 表示解码端的后置滤波器，它们都在两个块的边界处使用。其中 P 和 T 具有以下结构以便导出最佳的近似线性相位重叠变换： (3-7) (3-8) [ ] (3-9) 是 × 单位矩阵， 是 × 可逆矩阵，并且 是 × 个对等单位矩阵。对于多描述图像编码，为了生成 个描述，我们首先将输入图像划分为 个子集。在编码过程中，通过 P 对每个子集进行滤波，然后使用基于 KSVD 的变换使变换系数稀疏。其中， ( )是第 个子集的对应变换系数。以两描述为例，图像被划分成两个子集 ，如图 3-3。

基于KSVD的MDROQ，MDROQ和MDLTPC的边路PSNR和中心PSNR结果，其中

【相似文献】

相关期刊论文 前10条

1 朱晓蓉;;图像编码标准的进展[J];硅谷;2009年04期

2 涂国防,高绍帅,张灿;小波变换帧间预测医学图像编码[J];电子与信息学报;2002年04期

3 张春田;图像编码的国际标准化[J];电视技术;1994年03期

4 李晓明;通用活动图像编码[J];无线电工程;1994年Z1期

5 赵道木;陈林飞;汪小刚;;光学图像编码新进展[J];激光与光电子学进展;2007年02期

6 王娜,张力,李霞;一种多阈值的快速小波零块图像编码方法[J];深圳大学学报;2004年04期

7 蔡灿辉,丁润涛;X树图像编码[J];电子与信息学报;2003年02期

8 毕厚杰;静止图像编码[J];通信学报;1993年02期

9 蒋伟;杨俊杰;;率失真优化的压缩感知图像编码[J];电视技术;2016年11期

10 何芸;;第20届图像编码会议简介[J];国际学术动态;1998年08期

相关会议论文 前10条

1 李晓莉;单承赣;;嵌入式基于小波变换的图像编码的研究[A];全国第16届计算机科学与技术应用（CACIS）学术会议论文集[C];2004年

2 赵渊;张子范;张吉庆;张成;;基于模型的脸部图像编码[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

3 刘莹;李娜;冯暖;;基于数字电视信源图像编码系统的研究与设计[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

4 薛翠红;于明;;用于感兴趣区域图像编码的人脸特征的检测[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年

5 侯正信;;利用边缘特征的离散余弦子带图像编码[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

6 姜恩华;韩朝军;王利娟;王璞;;小波变换在JPEG2000图像编码中的应用分析[A];第十三届全国煤矿自动化学术年会、中国煤炭学会自动化专业委员会学术会议论文集[C];2003年

7 葛善虎;丁宣浩;;一种新的在图像压缩中的适度分层阈值法[A];广西计算机学会2006年年会论文集[C];2006年

8 席迎来;郝重阳;;一种基于DCT变换系数统计特性的全零块预测改进方法[A];中国航空学会信号与信息处理专业全国第八届学术会议论文集[C];2004年

9 钟斌;晏磊;许超;;提升小波在图像压缩中的应用分析与硬件实现[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

10 张忠伟;;一种适用于深空压缩图像传输的差错控制策略[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年

相关重要报纸文章 前2条

1 本报记者　 周蕾;中国IPTV六项标准上半年内报批[N];网络世界;2006年

2 河北 孙玉军;巧用ACDSee压缩图像[N];电子报;2007年

相关博士学位论文 前10条

1 梁斌;静态医学图像和序列医学图像编码新方法研究[D];第一军医大学;2004年

2 李建欣;基于小波变换的低码率图像编码研究[D];南京理工大学;2006年

3 甘涛;高性能的可伸缩图像编码研究[D];电子科技大学;2008年

4 张正阳;高性能图像编码研究[D];西安电子科技大学;1999年

5 王琪;基于小波变换的嵌入式图像编码方法研究[D];西北工业大学;2003年

6 赵莹;基于分形几何学的图像信息表示及其应用研究[D];合肥工业大学;2009年

7 王冬芳;基于矢量量化技术的图像实时压缩芯片的研究[D];西安理工大学;2009年

8 陈林飞;基于分数变换光学的图像编码和信息处理技术研究[D];浙江大学;2008年

9 许继征;高效图像编码中自适应变换的研究[D];上海交通大学;2011年

10 张志远;基于分形的多描述图像编码[D];北京交通大学;2009年

相关硕士学位论文 前10条

1 孙桂娜;基于KSVD的多描述图像编码研究[D];山东师范大学;2019年

2 宗京秀;基于人眼视觉特性的多描述图像编码的研究[D];山东师范大学;2018年

3 赖宇;融合压缩感知技术和分形理论的图像编码方法研究[D];暨南大学;2018年

4 何志应;高效图像编码及后处理算法研究[D];电子科技大学;2018年

5 史晶;基于全变分修补模型的多尺度图像编码系统[D];西北大学;2009年

6 孙翠荣;基于语义的图像编码与图像质量评价方法的研究[D];中国科学技术大学;2016年

7 张扬;多种数字图像编码设备集中监控技术的开发及应用[D];山东大学;2008年

8 杜彬;图像编码中的可见性与不可见性表达[D];大连工业大学;2014年

9 陈文广;弹载图像编码与传输系统研究[D];南京理工大学;2007年

10 刘彦慧;基于深度学习的图像编码方法研究[D];哈尔滨工业大学;2017年

本文编号：2766514