语义分割图像自适应编码方法

发布时间：2021-05-19 12:30

　　针对语义分割图像在存储和传输过程中压缩性能不足,占用资源多的问题,提出基于上下文与二进制算术编码的自适应编码方法。该方法提出了最佳上下文模型阶数的概念和计算方法,并根据最佳上下文模型与图像复杂度的相关性,设计了上下文模型自适应选择算法。通过支持向量机方法建立上下文模型分类器,根据语义分割图像复杂度特征,预测其最佳的上下文模型用于二进制算术编码。利用遥感影像语义分割数据集对算法进行测试,实验结果表明,与常用的二进制算术编码方法比,提出的算法能在压缩比不变的情况下缩短压缩时间38%左右,有效提高了压缩性能。 

【文章来源】：探测与控制学报. 2020,42(05)北大核心CSCD

【文章页数】：8 页

【文章目录】：
0 引言
1 二进制算术编码与上下文模型
2 自适应编码方法
    2.1 图像特征与上下文模型
    2.2 上下文模型选择
        2.2.1 最佳上下文模型阶数
        2.2.2 图像复杂度特征
        2.2.3 上下文模型分类器
    2.3 自适应编码流程
3 实验与分析
    3.1 分类器训练和测试
        3.1.1 数据集构建
        3.1.2 SVM分类模型训练
    3.2 自适应编码算法测试
4 结论


【参考文献】：
期刊论文
[1]基于深度网络的图像语义分割综述[J]. 罗会兰,张云.  电子学报. 2019(10)
[2]多尺度信息融合的遥感图像语义分割模型[J]. 张静,靳淇兆,王洪振,达铖,向世明,潘春洪.  计算机辅助设计与图形学学报. 2019(09)
[3]基于边缘特征融合和跨连接的车道线语义分割神经网络[J]. 庞彦伟,修宇璇.  天津大学学报(自然科学与工程技术版). 2019(08)
[4]边缘图像自适应编码方法[J]. 高异凡,谌德荣,宫久路.  导航与控制. 2019(01)
[5]基于多层深度特征融合的极化合成孔径雷达图像语义分割[J]. 胡涛,李卫华,秦先祥.  中国激光. 2019(02)
[6]图像复杂度研究综述[J]. 周兵,刘玉霞,杨欣欣,刘扬.  计算机科学. 2018(09)
[7]基于上下文的黑白散斑图像压缩[J]. 李东晖.  激光与光电子学进展. 2018(12)
[8]基于深度卷积神经网络的红外场景理解算法[J]. 王晨,汤心溢,高思莉.  红外技术. 2017(08)
[9]基于粒子群优化支持向量机神经网络的弹丸落点预报[J]. 马焱,赵捍东,黄鑫.  探测与控制学报. 2017(02)



本文编号：3195774