基于稀疏分解的可伸缩图像编码

《基于稀疏分解的可伸缩图像编码》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、更多技术文章，论文请登录www.srvee.com第１期电子学报Ｖｏｌ．３８Ｎｏ．１２０１０年１月ＡＣＴＡＥＬＥＣＴＲＯＮＩＣＡＳＩＮＩＣＡＪａｎ．２０１０基于稀疏分解的可伸缩图像编码甘涛１，何艳敏２（１．电子科技大学电子工程学院，四川成都６１００５４；２．电子科技大学自动化工程学院，四川成都６１００５４）摘要：图像编码技术的新的突破可寄希望于信号表示的深刻变革．采用基于冗余原子库的快速匹配追踪算法对图像进行稀疏分解，在分析和总结原子空间位置分布规律的基础上，提出与之相适应的块划分编码方法，节约了用于表示原子参数和投影系数的

2、比特数．实验结果表明，本文编码器在计算复杂度、编码效率和伸缩性能等方面都优于当前同类型编码器，特别是在前两方面，其优势十分明显．比如对５１２×５１２测试图像，编码率为０５ｂｐｐ时本文编码器的平均ＰＳＮＲ增益达１７３ｄＢ．特别地，凭借原子库的几何特性，该编码器提供了较传统方法更灵活的伸缩性，允许通过简单的参数变换来获得任意分辨率大小的重建图像．关键词：冗余原子库；稀疏分解；伸缩性中图分类号：ＴＮ９１９８１文献标识码：Ａ文章编号：０３７２２１１２（２０１０）０１０１５６０５ＳｃａｌａｂｌｅＩｍａｇｅＣｏｄｉｎｇＢａｓ

3、ｅｄｏｎＳｐａｒｓｅＤｅｃｏｍｐｏｓｉｔｉｏｎ１，ＨＥＹａｎｍｉｎ２ＧＡＮＴａｏ（１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ，Ｓｉｃｈｕａｎ６１００５４，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ，Ｓｉｃｈｕａｎ６１００５４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｎｅｗｂｒｅａｋ

4、ｔｈｒｏｕｇｈｓｉｎｉｍａｇｅｃｏｄｉｎｇｍａｙｒｅｌｙｏｎｄｅｅｐｃｈａｎｇｅｓｉｎｔｈｅｓｉｇｎａｌｒｅｐｒｅｓｅｎｔａｔｉｏｎ．Ｔｈｅｆａｓｔｍａｔｃｈｉｎｇｐｕｒｓｕｉｔ（ＭＰ）ａｌｇｏｒｉｔｈｍｉｓｆｉｒｓｔｅｍｐｌｏｙｅｄｔｏｇｅｔｔｈｅｓｐａｒｓｅｉｍａｇｅｄｅｃｏｍｐｏｓｉｔｉｏｎｏｖｅｒａｒｅｄｕｎｄａｎｔｄｉｃｔｉｏｎａｒｙ．Ｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｓｐａｔｉａｌｐｏｓｉｔｉｏｎｏｆｓｅｌｅｃｔｅｄａｔｏｍｓｉｓｓｔｕｄｉｅｄａｎｄａｎｏｖｅｌｂｌｏｃｋｐａｒｔｉｔｉｏｎｉｎｇｃｏｄｉ

5、ｎｇｍｅｔｈｏｄｉｓｔｈｅｎｐｒｏｐｏｓｅｄ．Ｔｈｅｂｉｔｓａｖｉｎｇｓｉｎｒｅｐｒｅｓｅｎｔａｔｉｏｎｓｏｆａｔｏｍｐａｒａｍｅｔｅｒｓａｎｄｐｒｏｊｅｃｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓａｒｅｏｂｔａｉｎｅｄ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｎｅｗｃｏｄｉｎｇｓｃｈｅｍｅｈａｓｓｔｒｉｋｉｎｇａｄｖａｎｔａｇｅｓｏｖｅｒｔｈｅｌａｔｅｓｔＭＰｃｏｄｅｒｉｎｃｏｍｐｕｔａｔｉｏｎａｌｃｏｍｐｌｅｘｉｔｙ，ｃｏｄｉｎｇｅｆｆｉｃｉｅｎｃｙａｓｗｅｌｌａｓｓｃａｌａｂｉｌｉｔｙ．Ｆｏｒｉｎｓｔａｎ

6、ｃｅ，ｆｏｒ５１２×５１２ｔｅｓｔｉｍａｇｅｓａｎａｖｅｒａｇｅＰＳＮＲｇａｉｎｏｆ１．７３ｄＢｉｓａｃｈｉｅｖｅｄａｔ０．５ｂｐｐ．Ｎｏｔａｂｌｙ，ｔｈａｎｋｓｔｏｔｈｅｇｅｏｍｅｔｒｉｃａｌｓｔｒｕｃｔｕｒｅｏｆｔｈｅｄｉｃｔｉｏｎａｒｙ，ｔｈｅｎｅｗｃｏｄｅｒｐｒｏｖｉｄｅｓａｔｔｒａｃｔｉｖｅａｄａｐｔａｂｉｌｉｔｙｆｅａｔｕｒｅｓｗｈｉｃｈａｌｌｏｗｔｈｅｃｏｄｅｓｔｒｅａｍｔｏｂｅｅａｓｉｌｙａｎｄｅｆｆｉｃｉｅｎｔｌｙｄｅｃｏｄｅｄａｔａｎｙｓｐａｔｉａｌｒｅｓｏｌｕｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｒｅｄｕｎｄａ

7、ｎｔｄｉｃｔｉｏｎａｒｙ；ｓｐａｒｓｅｄｅｃｏｍｐｏｓｉｔｉｏｎ；ｓｃａｌａｂｉｌｉｔｙ分解方法，在图像和视频编码中已表现出较传统方法更１引言［３，４］优的性能．目前，在图像压缩编码中，基于ＤＣＴ、小波等正交线从综合性能上看，目前处于领先地位的ＭＰ图像编性变换的主流编码技术已发展到了成熟阶段．近来的研码方法为文献［３］提出的基于冗余表征的可伸缩低码率究表明，传统的二维小波变换并不能有效地捕获图像边编码，简称为ＭＰ－ＦＬＣ．首先，该方法运用基于几何原子缘、轮廓上的光滑性，故不能达到精简或稀疏的图像表库的全局匹配追踪（ＦｕｌｌＳ

8、ｅａｒｃｈＭａｔｃｈｉｎｇＰｕｒｓｕｉｔ，ＦＳＭＰ）对征．可见，编码技术的新的突破可寄希望于在信号表示图像进行分解，达到了较高的逼近精度；采用指数型衰上的深刻变革．近年来，稀疏逼近（ｓｐａｒｓｅａｐｐｒｏｘｉｍａｔｉｏｎ）减区间均匀量化（ＥｘｐｏｎｅｎｔｉａｌｌｙｂｏｕｎｄｅｄＵｎｉｆｏｒ