嵌入广义树分类器的集合划分编码
目的 针对现有小波域图像集合划分编码(SPC)方法存在无损编码性能较弱的问题,设计广义树分类器,构建嵌入广义树分类器的集合划分编码方法(SPACS_C).方法 针对已有SPC方法对坐标集合直接进行“先检测后划分”编码,存在当位平面降低导致数据之间相关性降低后位置比特和不必要比特数量急剧增大问题,SPACS_C对编码过程中产生的坐标集合分类处理,减少对坐标集合的显著性检测次数,从而降低位置比特的输出.SPACS_C对广义树分类处理利用图像小波系数的稀疏度随位平面降低而迅速降低的数据特点,对“先划分后检测”和“先检测后划分”两种方式所需的比特开销进行预测,选用比特开销较少的方式编码坐标集合,减少SPACS_C输出的位置比特数量.结果 采用不同统计特性和不同大小的可见光图像(8 bit)和红外图像(16 bit)测试SPACS_C,结果表明SPACS_C的无损编码性能优于JPEG2000,特别是对红外图像的无损编码平均节省了3.1%的数据空间;性能接近或超过图像无损压缩标准JPEG-LS.结论 SPACS_C对坐标集合的分类处理利用小波域图像低层位平面稀疏度差的数据特点,有效减少位置比特输出,进而提高编码性能.与JPEG2000一样,SPACS_C可以实现图像质量的渐进式压缩.SPACS_C的编码不受图像数据动态范围的影响,可以对任意位深度的图像进行压缩编码.
集合划分编码、分类器、无损编码、位置比特、不必要比特
25
TP391.4(计算技术、计算机技术)
2020-06-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
73-80