無須訓練的向量量化編碼簿設計法; The Design of Non-training Vector Quantization Codebook

NCU Institutional Repository > 管理學院 > 資訊管理研究所 > 博碩士論文 > Item 987654321/12950

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/12950

题名:	無須訓練的向量量化編碼簿設計法;The Design of Non-training Vector Quantization Codebook
作者:	林宏明;Hung_Ming Lin
贡献者:	資訊管理研究所
关键词:	向量量化;影像壓縮;無須訓練之編碼簿;codeword;codebook;codevector
日期:	2002-06-21
上传时间:	2009-09-22 15:19:49 (UTC+8)
出版者:	國立中央大學圖書館
摘要:	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。
显示于类别:	[資訊管理研究所] 博碩士論文

文件中的档案:

档案	大小	格式	浏览次数

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....