基于卷积神经网络的多描述编码的研究

发布时间：2023-04-23 12:21

　　近年来,随着计算机网络的发展,图像和视频在网络中的应用越来越广泛,并且它们的传输也变得越来越重要。如何保证图像和视频在信道的高效率传输,成为当前研究热题之一。在有损信道上多媒体业务的迅速增长,促进了高效、可靠和适应性强的编码技术的发展,多描述编码方法(Multiple Description Coding,简称MDC)已经成为解决这种情况的最有效的编码技术之一,尤其是在实际应用中数据不可靠传输的情况下。在多描述编码方法中,信源被编码成包含受控冗余的多个描述,这些冗余用于解决跨通道传输时无法预测的丢包问题,将描述通过不同的网络路径传输到解码器,解码器利用接收到的描述重构源数据。另外,卷积神经网络(Convolutional Neural Networks,简称CNNs)在图像分类和模式识别等领域应用广泛,也越来越多的将其应用到图像压缩领域,并利用其自身的优势,获得了良好的视觉效果。本文以提高重构图像的精确度和编码效率为出发点,利用深度学习的相关知识,在CNNs的基础上对多描述编码方法进行了深入研究,进而研究了基于卷积神经网络的多描述图像编码方法,主要创新性研究成果如下所示:1)提出了一种...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
主要符号对照表
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 多描述编码方法的研究现状
        1.2.2 基于卷积神经网络的多描述编码方法的研究现状
    1.3 论文主要贡献及结构安排
第二章 多描述编码原理及相关方法简介
    2.1 多描述图像编码原理
    2.2 图像编码相关方法
        2.2.1 TLMDC
        2.2.2 TRPCSQ
        2.2.3 MDROQ和 MDUOQ
        2.2.4 基于CAE的有损图像压缩
    2.3 本章小结
第三章 基于对称卷积自编码器的多描述图像编码
    3.1 引言
    3.2 对称卷积自编码器
    3.3 基于对称卷积自编码器的多描述图像编码
    3.4 实验结果
        3.4.1 评价标准
        3.4.2 实验结果
    3.5 本章小结
第四章 基于卷积自编码器的多描述编码网络
    4.1 引言
    4.2 加性均匀噪声
    4.3 基于卷积自编码器的多描述编码网络
    4.4 理论分析与目标函数表示
    4.5 实验结果
    4.6 本章小结
第五章 总结与展望
    5.1 论文工作总结
    5.2 工作展望
参考文献
攻读学位期间发表的学术论著
致谢



本文编号：3799706