無須訓練的向量量化編碼簿設計法

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：46

、訪客IP：18.119.122.206

姓名

林宏明(Hung_Ming Lin) 查詢紙本館藏

畢業系所

資訊管理學系

論文名稱

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

相關論文

★ 彩色影像視覺密碼之製作	★ 應用遺傳演算法於向量量化之新編碼簿設計法
★ 偵測灰階影像中的人造物體	★ 基於非擴展式視覺密碼之浮水印技術
★ 不需擴展的彩色視覺密碼	★ 擴充固定比例(CPPI)與時間不變性投資組合保險策略(TIPP)於投資組合之應用
★ 演化式賽局於投資策略之研究	★ 基於灰階視覺密碼之浮水印技術
★ 應用遺傳演算法新的效率編碼模式解決資源/生產分配問題	★ 彩色影像之擴充型視覺密碼
★ 利用遺傳演算法對股價反轉點的預測	★ 運用漸進模糊類神經網路於預測每股盈餘成長率之研究
★ 數位影像與文件保護機制之設計－以視覺式秘密分享和資訊隱藏為基礎	★ 基於目標規劃與統計學的視覺密碼及其在著作權保護的應用之研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

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。

關鍵字(中)

★ 向量量化
★ 影像壓縮
★ 無須訓練之編碼簿

關鍵字(英)

★ codeword
★ codebook
★ codevector

論文目次

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

參考文獻

[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.

指導教授

侯永昌(Young-Chang Hou)

審核日期

2002-6-24

推文