基于Context建模的熵编码在无失真图像压缩中的应用.pdf

《基于Context建模的熵编码在无失真图像压缩中的应用.pdf》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、分类号密级公开编号碛士蚵究被嗲像儉夂题目基于建模的熵编码在无失真图像压缩中的应用学院（所、中心）信息学院专业名称电子与通信工程研究生姓名张峰学号导师姓名陈建华职称教授年月论文独创性声明及使用授权本论文是作者在导师指导下取得的研宄成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研宄成果，不存在剽窃或抄袭行为。与作者一同工作的同志对本研宄所做的任何贡献均已在论文中作了明确的说明并表示了谢意。现就论文的使用对云南大学授权如下：学校有权保留本论文（含电子版），也可以釆用影印、缩印或其他复制手段保存论文；学校有权公布

2、论文的全部或部分内容，可以将论文用于查阅或借阅服务；学校有权向有关机构送交学位论文用于学术规范审查、社会监督或评奖；学校有权将学位论文的全部或部分内容录入有关数据库用于检索服务。内部或保密的论文在解密后应遵循此规定）研究生签名导师签名期：摘要摘要最近一段时间随着网络应用与多媒体技术的高速发展，多维图像数据的传输以及其存储问题已经成为非常重要的研究领域。又因为一些重要领域的特殊需求，图像压缩必须是可逆的即能够实现无失真压缩，所以对图像进行无失真压缩的研究具有重要实际意义。由于熵编码能获得较高的压缩性能，所以在编码领域具有重要的作用。随着信

3、源序列复杂度的增加，基于建模的信源编码理论越来越被广泛使用。基于建模的图像压缩编码主要是利用当前采样点前面的样本点的学习经验。信息论中条件熵不大于无条件熵这一原理作为理论支撑，基于自适应建模可以有效的减少编码长度即有效降低信息熵。但是基于建模的熵编码也面临一个高阶熵编码不可避免的问题一‘‘模型稀释”。当模板过大时造成信源不能提供足够的样本点作致使码长增加，降低压缩性能，所以如何选择模板建立模型是本文重要研宄方向。为了尽可能的降低模型代价，同时利用更多的已知条件信息，本文基于建模采用训练集的方法把前面的学习经验更好的应用在后面像素点的编码

4、上。本文建模主要是通过利用模板往前匹配到与当前采样点统计特性相似的像素点作为训练集，然后对训练集中的像素点的模板点进行自相关排序，最终通过最小描述长度自适应确定模型的阶数。这样就可以做到图像变化缓慢的像素点可以选择较大的阶数，相反图像变化剧烈的点选择较小的阶数，充分利用先验学习经验。本文模型大小根据当前已有数据统计数量决定，可以有效解决高阶熵的“模型稀释”问题。实际编码过程中遇到一些像素点的训练集统计数据过少的情况，导致其编码效率不高。本文在建模的基础上结合算法初始化概率分布，从而对统计概率分布实现进一步的优化。实验证明本文基于的建模的

5、熵编码算法具有一定的有效性。关键词：无损压缩；模型；条件熵编码AbstractAbstractWiththerapiddevelopmentofnetworkapplicationsrecentlyandmultimediatechnology,thetransmissionandstorageofmulti-dimensionalimagedatahasbecomearelativelyhotresearcharea.Becauseoftherequirementsofanumberofimportantareas,imagecomp

6、ressionmustbereversible,thatisenableslosslesscompression.Soitownsimportantscientificmeaningtoresearchimagelosslesscompression.AsContext-basedentropycoderscanachievehighcompressionperformance,ithashadanimportantroleinthecodingfield.Withtheincreasingcomplexityoftheinforman

7、tsource,Context-basedsourcecodingtheoryisincreasinglywidelyused.Context-basedimagecompressioncodingismainlyusethetheory"conditionalentropyisnotlargerthanimageentropy”，，Abstractstatistics,solvingthemodelingdilutioncausedbyhigh-orderentropy.Ialsoencounteredaproblemthatthet

8、rainingsetdataofthepixelistoolittleincoding，，Abstract目录目录第一章概述研宄的目的和意义国内外模型的研究背景本文的主要工作本文的主要结构及创新点第二章图像