跳到主要內容

臺灣博碩士論文加值系統

(52.203.18.65) 您好!臺灣時間:2022/01/19 15:21
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:林宏明
研究生(外文):Hung_Ming Lin
論文名稱:無須訓練的向量量化編碼簿設計法
論文名稱(外文):The Design of Non-training Vector Quantization Codebook
指導教授:侯永昌侯永昌引用關係
指導教授(外文):Young-Chang Hou
學位類別:碩士
校院名稱:國立中央大學
系所名稱:資訊管理研究所
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
論文頁數:48
中文關鍵詞:向量量化影像壓縮無須訓練之編碼簿
外文關鍵詞:codevectorcodebookcodeword
相關次數:
  • 被引用被引用:0
  • 點閱點閱:136
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0

隨著網路的普及,多媒體資訊被廣泛的運用,自然的影像資料被大量的應用在網路上。隨之而來的問題是這些影像資料不僅十分龐大,亦佔用許多儲存空間。因此在傳輸這些影像資訊時,若能在傳輸之前先行壓縮必能省下許多傳輸時需要的空間與時間。在影像壓縮技術中,向量量化是常見的失真影像壓縮法,亦有許多影像壓縮技術參考到向量量化法的基本觀念。而在向量量化領域中,具較佳代表性編碼簿才能保有較佳的壓縮影像還原品質。
傳統上,一組編碼簿在經長久使用過後,有些圖形會因代表性的不足使得還原影像變得嚴重失真,而解決代表性不足的方法是透過不同類型更多的訓練向量,不斷訓練編碼簿以找出代表性較佳的碼向量。然而經研究後,我們發現化簡後的影像,其影像區塊會有釵h相似之處,藉由所記錄下來的像素平均值與偏差,我們僅需用同一碼向量便能有效的代表這些不同的原始影像區塊。如此一來,就可免除編碼簿需大量訓練的問題。藉由以上的概念,我們設計出以機率為基礎的編碼簿,試著由合理的機率分配,來找出能代表大部分影像簡化區塊的編碼簿,進而解決編碼簿需不斷訓練的問題。
本研究具下列優點:相對於傳統的作法,由於我們的編碼簿不需訓練便能適用在色階差異大的圖形故我們的編碼簿具較佳的通用性。此外,在運算上由於我們的影像區塊及碼向量具較簡單的型態,所以我們在建立編碼簿與搜尋碼向量的速度上都會較傳統向量量化法快速。而由於保存了原有影像區塊的部分資訊,故可避免傳統向量量化法會有還原影像區塊邊緣過於清晰的問題。


目 錄
第一章 序論1
1.1研究動機1
1.2研究目的2
1.3研究範圍與方法3
1.4論文架構3
第二章 文獻探討5
2.1向量量化5
2.1.1向量量化的基本原理5
2.1.2向量量化的過程7
2.2失真影像壓縮方法效能之鑑定7
2.3編碼簿設計演算法9
2.3.1LBG演算法9
2.3.2 PNN(Pairwise Nearest Neighborhood)演算法10
2.3.3 AMBTC(Absolute Moment Block Truncation Coding)演算法11
2.3.4僅考慮線與邊的BTC演算法12
2.3.5應用遺傳演算法之編碼簿設計法13
第三章 無須訓練的向量量化編碼簿設計演算法15
3.1編碼簿設計演算法15
3.1.1原影像之前置處理16
3.1.2編碼簿設計流程17
3.1.3資料編碼22
3.1.4影像編碼與解碼過程23
3.1.5影像平滑處理24
3.2比較分析26
第四章 實驗結果及討論28
4.1驗證編碼簿的代表性28
4.1.1實驗一:編碼簿大小為256時之驗證28
4.1.2結果比較30
4.2 實驗二:編碼簿大小為32時之驗證33
4.2.1 大小為32編碼簿之實驗結果34
4.2.2 與僅考慮線與邊的BTC演算法之比較35
4.2.3 不同長度之資料編碼方式比較37
第五章 結論與未來研究方向39
5.1結論39
5.2未來研究方向40
參考文獻41


[1]張真誠、黃國峰、陳同孝(2000),電子影像技術,初版,台北:松岡。[2]張雅惠(2001),應用遺傳演算法於向量量化之新編碼簿設計法,國立中央大學資訊管理學系碩士班畢業論文,pp22-32.[3]J. Makhoul, S. Roucos, and H. Gish(1985), "Vector Quantization in Speech Coding," Proceeding of the IEEE, Nov.[4]N. M. Nasrabadi and R. A. King(1988), "Image Coding Using Vector Quantization: A Review," IEEE Transaction on Communication, pp957-971.[5]R. M. Gray(1984), "Vector quantization," IEEE ASSP Mag., pp4-29.[6]T. Murakami, K, Asai, and A. Itoh(1986), "Vector Quantization of Color Images," Proceeding of the IEEE International Acoustics, Speech, and signal Processing Conference, pp133-136.[7]T. Murakami, K. Asai, and E. Yamazaki(1982), "Vector Quantization of Video Signals," Electronics Letters, Vol 7, pp1005-1006.[8]Y. Linde, A. Buzo, and R. M. Gray(1980), "An anglorithm for vector Quantizer design," IEEE Trans. Commun, vol. COM-28, pp84-95.[9]W. H. Equitz(1989), "A New vector quantization clustering algorithm," IEEE Transaction ASSP, vol.37, pp1568-1575.[10]Chen-Kuei Yang, Wen-Hsiang Tsai(1995), "Improving blocking truncation coding by line and edge information and adaptive bit plane selection for gray-scale image compression," Pattern Recognition Letters 16 pp67 — 75.[11] Edward J.Delp, O. Robert Mitchell(1979), "Image Compression Using Block Truncation Coding," IEEE Transaction on Communication vol. 27 pp1335-1342.[12] Maximo D. Lema and O. Robert Mitchell(1984), "Absolute Moment Block Truncation Coding and Its Application to Color Images," IEEE Transactions on Communications, pp1148-1156.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top