跳到主要內容

臺灣博碩士論文加值系統

(3.236.124.56) 您好!臺灣時間:2021/07/28 08:18
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:張宜琛
研究生(外文):Yi-Chen Chang
論文名稱:基於頻帶間內文比對預測方式的無失真多頻帶影像壓縮系統
論文名稱(外文):Lossless Multiband Image Compression System Based On Interband Context-Matching Prediction Scheme
指導教授:黃穎聰黃穎聰引用關係
學位類別:碩士
校院名稱:國立中興大學
系所名稱:電機工程學系所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
畢業學年度:96
語文別:中文
論文頁數:74
中文關鍵詞:無失真頻帶內預測內文比對壓縮系統
外文關鍵詞:losslessinterband predictioncomtext matchingcompression system
相關次數:
  • 被引用被引用:0
  • 點閱點閱:156
  • 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
此論文探討有效率的壓縮彩色影像及衛星影像類型的多頻帶影像利用頻帶間預測編碼的技術,提出一種基於頻帶間內文比對預測方式的多頻帶影像無失真壓縮系統,觀察結果顯示多頻帶影像鄰近頻帶相互之間冗餘特性大於頻帶內。在鄰近頻帶之間基於不同光譜的相關性,因此發展出一種適應性根據光譜之間相關性不同動態選擇該使用頻帶間或頻帶內的預測方式。具體來說,利用鄰近頻帶相互之間內文的訊息找出其頻帶之間的相關性後,在使用前一個頻帶的空間預測誤差反饋到當前預測像素進行補償,提出的演算法有效探究頻帶間以及頻帶內統計上的編碼冗餘特性,模擬結果顯示使用頻帶相互之間的預測方式會比頻帶內的預測方式達到更顯著的編碼效益,
所提出的演算法特別適合用於壓縮頻帶連續(BSQ)或頻帶以像素為單位交錯(BIP)的格式,模擬結果顯示應用於多種類的多頻帶影像皆可得到較佳的壓縮效率,結果顯示勝過了使用頻帶間預測的CALIC平均約0.2位元編碼率,所提出的演算法也勝過JPEGLS及JPEG2000等演算法。
In this thesis. Interband coding techniques are investigated for effective compression of multiband images such as color images and hyperspectral images. A multiband lossless compression system based on context matching prediction schemes is proposed. The observation is that the interband correlation in multiband images is usually greater than the intraband. Based on different spectral correlations among neigh- boring bands, we develop an adaptive prediction scheme that can dynamically select either inter or intra band prediction subject to spectral corrections. Specifically, we use context information to find out interband correlation between neighboring bands and then feedback the prediction error from previous band for bias cancellation. The proposed algorithm explores both interband and intraband statistical redundancies in coding. The simulation results show that the employment of interband prediction ac- hieves significant compression gains over its counterparts relying solely on intraband prediction.
Our algorithm is particularly useful for data compression of image sources in band-sequential format (BSQ) or band-interleaved-by-pixel(BIP) format. Its performance evaluation on various sets of multiband image shows that it can outperform interband CALIC scheme by 0.2bpp on average. It is also achieves better compression results than the state-of-the-art algorithms such that JPEGLS and JPEG2000.
摘要 i
Abstract ii
論文目錄 iii
表目錄 v
圖目錄 vi
第 1 章 緒論 1
第1.1章 前言 1
第1.2章 研究目的及動機 2
第1.3章 論文架構 3
第 2 章 單一頻帶影像無失真壓縮編碼回顧 4
第2.1章 基於空間域預測壓縮技術 4
第2.1.1章 JPEG-LS壓縮標準 4
第2.1.2章 CALIC壓縮演算法 7
第2.2章 基於頻率域轉換壓縮技術 10
第2.2.1章 JPEG2000壓縮標準 10
第2.3章 衍生至多頻帶影像壓縮技術 12
第2.3.1章 RGB格式彩色影像簡介 13
第2.3.2章 基於RGB格式的轉換方式 13
第2.3.2.1章 YDbDr色彩轉換 14
第2.3.2.2章 YCoCg色彩轉換 14
第2.3.2.3章 SHIRCT色彩轉換 14
第2.3.2.4章 SHIRCT色彩轉換 15
第2.3.2.5章 可逆KLT及YCbCr色彩轉換 15
第2.3.3章 多頻帶影像介紹 18
第2.3.3.1章 CMYK 格式 18
第2.3.3.2章 Hyperspectral 格式 18
第2.3.4章 基於hyperspectral影像的KLT轉換方式 20
第2.4章 熵編碼(entropy coding)介紹與使用 23
第2.5章 單一頻帶影像壓縮演算法小結 24
第 3 章 多頻帶影像頻帶間預測壓縮編碼 25
第3.1章 動態選擇頻帶間或頻帶內預測 26
第3.1.1章 Interband CALIC演算法 26
第3.1.2章 動態線性預測演算法 29
第3.2章 非動態單一頻帶間預測 30
第3.2.1章 Interband compensated預測演算法 30
第3.2.2章 LCL-3D及LOCO-3D演算法 32
第3.2.3章 非動態線性預測演算法 33
第3.2.4章 MCALIC演算法 34
第3.3章 頻帶內的熵編碼定義與使用 36
第3.4章 多頻帶影像頻帶內預測小結 36
第 4 章 頻帶間內文比對之預測誤差修正 37
第4.1章 研究想法及其概念詳述 37
第4.2章 鄰近的頻帶間波形相似度 38
第4.3章 Context選擇及定義 39
第4.3.1章 Context選擇 39
第4.3.2章 Context定義 40
第4.4章 頻帶間內文比對與誤差的回饋 40
第4.5章 錯誤回饋的比例係數定義 44
第4.6章 頻帶間內文預測小結 46
第 5 章 多頻帶影像無失真壓縮系統架構設計 47
第5.1章 系統整體架構 47
第5.2章 平滑模式之預測及編碼設計 48
第5.3章 頻帶間預測誤差修正及編碼設計 48
第5.4章 頻帶內預測模式及編碼設計 50
第5.3.1章 頻帶間相關性檢查 50
第5.3.2章 頻帶間差值GAP預測器 52
第5.3.3章 Intra模式Coding context以及entropy model的選擇 54
第5.5章 資料輸入格式及編碼順序 54
第5.6章 系統架構小結 57
第 6 章 模擬結果與分析 58
第6.1章 Hyperspectral影像模擬與分析 58
第6.2章 RGB格式影像模擬與分析 61
第6.1.1章 RGB格式下不同架構的壓縮結果 61
第6.1.2章 RGB格式的可逆轉換模擬結果 62
第6.1.3章 RGB格式的state-of-the-art演算法模擬結果 64
第6.3章 CMYK影像模擬與分析 66
第6.2.1章 CMYK影像不同架構的模擬結果 66
第6.2.2章 CMYK格式下state-of-the-art模擬結果 67
第6.4章 執行時間分析與討論 68
第6.5章 模擬結果與討論 69
第 7 章 結論與未來展望 71
參考文獻 72
[1] N. Memon and X. Wu, “Context-based adaptive, lossless image coding,” IEEE Trans. Commun., vol. 45, no. 4, pp. 437-444, Apr. 1997.
[2] “JPEG-LS; Lossless and near-lossless coding of continuous tone still image,” ISO/IEC JTC 1/SC 29/WG 1 FCD 14495, July 1997.
[3] A. Skodras, C. Christopoulos, T. Ebrahimi, “The JPEG 2000 still image compression standard,” IEEE Signal Process. Mag., vol. 18, no. 5, pp. 36-58, Sept. 2001.
[4] T. Haijiang, S. KAMATA,”A Gradient Based Predictive Coding for Lossless Image Compression,” IEICE Transactions on Information and Systems, vol. E89-D, no. 7, pp. 2250-2256, July 2006.
[5] ITU-T SG8, ”Lossless and near-lossless compression of continuous-tone still images (ITV-T T.87-ISO/IEC 14495-1),” ITU-T, June 1998.
[6] M. J. Weinberger, G. Seroussi, and G. Sapiro, “LOCO-I: a low complexity, context-based, lossless image compression algorithm,” in Proceedings of Data Compression Conference, pp. 14&149. March 1996.
[7] X. Wu, W. Choi, N. Memon, “Lossless Interframe Image Compression via Context Modeling,” in Proceedings of Data Compression Conference, 1998, pp. 378-387.
[8] R. B. Alps and T. K. Truong, “Comparison of international standards for lossless still image compression,” in Proceedings of the IEEE, vol. 82, pp. 889-899, June 1994.
[9] J. Spring and G. Langdon, “Lossless compression of multispectral images with interband prediction error deltas,” in Proc. 30th Asilomar Conf., Pacific Grove, CA, 1996.
[10] X. Wu, N. D. Memon,”Context-based lossless interband compression extending CALIC,” IEEE Trans. Image Process., vol. 9, no. 6, pp. 994-1001, Jun. 2000.
[11] S. Benierbah, M. Khamadja, “Compression of colour images by inter-band compensated prediction,” IEE Proc. Vis. Image Signal Process., vol. 153, pp. 237-243, Apr. 2006.
[12] F. Rizzo, B. Carpentieri, G. Motta, J. A. Storer, ”Low-complexity lossless compression of hyperspectral imagery via linear prediction ,” IEEE Signal Process. Lett., vol. 12, no. 2, pp. 138-141, Feb. 2005.
[13] E. Magli, G. Olmo, E. Quacchio, “Optimized Onboard Lossless and Near-Lossless Compression of Hyperspectral Data Using CALIC,” IEEE Geoscience and Remote Sensing Letters, vol. 1, no. 1, pp. 21-25, Jan. 2004.
[14] Weinberger, M.J. Seroussi, G. Sapiro, G., “LOCO-I: a low complexity, context-based, lossless image compression algorithm,” Data Compression Conference, pp.140-149, Apr. 1996.
[15] Antonini M., Barlaud M., Mathieu P., Daubechies I., “Image coding using wavelet transform, ” IEEE Trans. Image Process., vol. 1, no. 2, pp. 205-220, Apr. 1992.
[16] Galli, L., Salzo, S., ”Lossless hyperspectral compression using KLT,” IEEE Geoscience and Remote Sensing Symposium, vol. 1, pp. 316-322, Dec. 2004.
[17] Taubman D., “High performance scalable image compression with EBCOT, ” IEEE Trans. Image Process., vol. 9, no. 7, pp. 1158-1170, Jul. 2000.
[18] H Malvar, G Sullivan, “YCoCg-R: A Color Space with RGB Reversibility and Low Dynamic Range,” ISO/IEC JTC1/SC29/WG11 and ITU-T SG16 Q, 2003.
[19] P. Hao and Q. Shi, “Comparative study of color transforms for image coding and derivation of integer reversible color transform,” in Int. Conf. Pattern Recognition (ICPR 2000), vol. 3, pp. 224–227, Sep. 2000.
[20] Takayuki Nakachi, Tatsuya Fujii and Tetsurou Fujii “Pathological microscopic image compression using lossless and progressive coding schemes, Proceedings of SPIE, vol. 4323, pp. 413–422, Aug. 2001.
[21] Soo-Chang Pei, Jian-Jiun Ding, “Reversible integer color transform with bit-constraint,” IEEE International Conference on Image Process., vol. 3, no. 3, pp. 964-967, Sept. 2005.
[22] S. Oraintara, Y. J. Chen, and T. Q. Nguyen, ‘ Integer Fast Fourier Transform’, IEEE Trans. Signal Processing, vol. 50, p. 607-618, 2002.
[23] P. Hao and Q. Shi., “Matrix Factorizations for Reversible Integer Mapping”, IEEE Trans. Signal Processing, vol. 49, no. 10, pp. 2314-2324, Oct. 2001.
[24] http://aviris.jpl.nasa.gov
[25] A. R. Calderbank, I. Daubechies, W. Sweldens and B. Yeo L., “Wavelet Tranforms that map integer to integer,” Appl. Comp. Harm. Anal., 5 (3), pp. 332–369, 1998.
[26] 戴顯權 , “多媒體通訊 2nd,“ 紳藍出版社, 2-9-2-19
[27] Shiann-Rong Kuang; Jer-Min Jou; Yuh-Lin Chen, “The Design of an Adaptive On-Line Binary Arithmetic-Coding Chip,” Circuits and Systems I: Fundamental Theory and Applications, IEEE Transactions on , Vol. 45 Issue: 7 , Jul 1998, pp. 693 -706.
[28] C. Chakrabarti and M. Vishwanath, “Architectures for wavelet transforms: Asurvey,” Journal of VLSI Signal Processing, vol. 14, pp. 171-192, 1996..
[29] D. E. Knuth, “Dynamic Huffman coding,” J. Algorithms, vol. 6, pp.163–180, 1985.
[30] J. Jiang, “Novel design of arithmetic coding for data compression,” Proc.Inst. Elect. Eng., vol. 142, no. 6, pp. 419–424, Nov. 1995.
[31] Hunt, S. Rodriguez, L. S., “Fast piecewise linear predictors for lossless compression of hyperspectral imagery,” IEEE Geoscience and Remote Sensing Symposium, vol. 1, pp. 312-318, Dec. 2004.
[32] N. S. Jayant and P. Noll, Digital Coding of Waveforms. Upper Saddle River, NJ: Prentice-Hall, 1984.
[33] M. J. Weinberger, J. J. Rissanen, R. B. Arps,“Applications of universal context modeling to lossless compressionof gray-scale images,” IEEE Tran. Image Process., vol. 5, no. 4, pp. 575-586, Apr. 1996.
[34] http://www.cipr.rpi.edu/resource/stills/index.html
[35] http://www.kakadusoftware.com
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top