一、低码率视频的小波域软阈值去方块滤波算法的研究(论文文献综述)
孙林慧[1](2012)在《语音压缩感知关键技术研究》文中认为语音是人类最方便直接的交流方式,在数字化的时代,如何对语音信号建模以获得更少的采样但又不影响语音的质量,是当前语音信号处理领域中的研究热点。压缩感知(Compressed Sensing,CS)是基于信号在某个域的稀疏性建立的线性、非自适应采样的新理论,表明具有稀疏性的压缩感知能获得更好的压缩性能,信号的稀疏性或可压缩性是实现压缩重构的必要条件之一。由于语音信号具有可压缩性,能够采用低于Nyquist采样的速率无失真地采样信号,基于压缩感知进行低速率无失真地采样给语音信号的采样、存储、传输和处理都带来了很大方便。所以CS理论与语音信号处理领域的结合,意味着对传统的基于奈奎斯特均匀采样定律下的语音分析方法的颠覆。用CS理论中的观测来代替传统的Nyquist采样值,将导致信号特征根本性的变化,进而影响整个语音信号处理各种应用的理论和技术体系。将CS应用于语音信号领域,来探求语音信号处理的各种新方法具有很好的现实意义,而研究语音压缩感知中的各种关键技术是其走向实用的基础。本论文的主要工作和创新如下:(1)根据语音信号在离散余弦(DCT)基下的稀疏性描述了基于正交基的语音压缩感知的框架。基于此框架,对随机观测矩阵进行选择,并采用基追踪(BP)和正交匹配追踪(OMP)算法对已压缩采样的语音信号进行重构,提出一系列结论:CS观测矩阵的维数(其决定了压缩比)、每帧语音信号选取的帧长的大小、分帧时采用的窗函数及帧移,都对重构性能有影响。(2)基于语音信号帧内样值间的相关性和冗余域的稀疏性,采用离散余弦转换矩阵及基追踪方法对压缩感知采样语音进行重构时,针对语音稀疏性不够好导致大压缩下采样后重构效果差的缺点,本文提出采用过完备线性预测字典做转换矩阵,用基追踪重构算法对压缩感知采样语音进行高质量重构。该方法预先由训练语音的预测系数聚类构造过完备字典,不需要测试语音的预测系数;基于过完备线性预测字典重构信号性能良好。对利用基追踪重构的语音进行了主客观评价,得出结论:同样的观测数目下,基于过完备线性预测字典,比基于离散余弦变换矩阵压缩感知采样语音重构信噪比高出38dB。(3)针对含白噪语音信号压缩采样后采用基追踪方法重构性能差的问题,在设计更具鲁棒性的重构算法方面提出自适应基追踪去噪方法,该方法根据原含噪信号的信噪比自适应选择重构最佳参数,从而在重构语音的同时提高原信号信噪比。并在此基础上提出自适应基追踪去噪并后置去噪方法。随后又提出前置去噪后基追踪重构方法,针对前置去噪提出了一种基于数据驱动字典和过完备稀疏表示的自适应语音增强方法,含噪语音增强之后再采用基追踪实现含白噪语音的压缩感知。基于这三种方法实现含噪语音信号的压缩感知,并对其性能进行比较。针对观测含有噪声的压缩感知问题,提出采用对观测噪声鲁棒性较好的ABPDN重构算法,当语音观测含有噪声时,采用ABPDN算法重构信号性能优于采用BP算法重构信号性能。(4)针对语音信号在小波域的压缩感知问题,在系数总长度不超过原信号长度的前提下,推导了Sym小波分解合成的矩阵形式,提出了语音信号多尺度压缩感知(MCS)系统框架。论文进一步分析语音信号在小波基下不同级的稀疏性,提出了一种自适应多尺度压缩感知(AMCS)方法,并将这两种方法应用于语音压缩重构中,对重构语音进行了主客观评价和说话人识别验证,得出结论:基于AMCS的压缩重构,比非自适应的MCS重构语音的性能好。
武晓玥[2](2010)在《图像无损压缩及去噪技术研究》文中研究指明目前,数字图像视频技术被广泛应用于通信、计算机、广播电视等领域,由于数字图像视频数据量巨大,对存储空间和传输信道提出了极高的要求,而且例如航天,医疗等领域对视频图像的质量要求无损或者近无损。因此,视频图像压缩编码技术的研究在当前环境下在显得越来越重要,其发挥的作用越来越显着,而且已成为影响多个引人瞩目的高科技领域发展的重要因素。为此,研究与开发快速、实用的视频图像无损压缩技术已成为一项十分迫切和重要的课题。图像在获取和传输过程中很容易受到各种因素的干扰,使得采集到的图像包含噪声。为了对后续图像进行各种图像处理,有必要对图像进行去噪处理。而噪声的去除是图像分析和计算机视觉中最基本而又非常重要的技术,它已经成为图像处理中十分重要的步骤。因此,为抑制噪声,提高图像质量,便于进一步处理,研究快速、有效的去噪方法仍然是目前的一个研究热点。本文主要以图像无损压缩与去噪技术为主线,针对图像无损压缩与去噪中的关键技术和应用进行了深入地研究,提出了多种性能更好的处理算法并给出了一种嵌入式硬件设计。本文的主要工作及贡献简述如下:1.深入研究了图像与视频无损压缩的基本原理与研究现状,对主要标准和压缩算法做了分析和总结。以无损压缩系统为框架,对视频图像压缩系统的发展及应用进行了概述,对比了主流的系统设计方法,指出了各自的优缺点。其后对图像去噪技术的发展,研究现状以及经典算法做了分析,总结和概括。2.针对SPIHT算法在图像无损压缩中计算复杂度高及对低位平面编码效率较低的现状,提出一种结合整数小波变换与改进的SPIHT无损图像压缩算法SSPIHT。利用整数小波分解后的系数分布情况,调整相应的SPIHT编码结构。结果表明,当测试不同类型的图像,所提出的方法取得的平均比特率较其他方法有所降低,编码时间有明显减小,而且该算法在较低的存储空间下可获得较好的压缩性能,易于硬件的实现。3.针对视频无损压缩编码算法中的自适应模型预测精度问题,提出了一种新的自适应无损视频压缩算法AMLVC,给出一种新的自适应预测模型设计。该算法利用时间,空间和频域的冗余信息通过后向自适应模型对视频进行无损压缩,同时减少了边界信息的传递。算法使用自适应预测模式选择器来取代额外比特预测模式,较好的控制了计算复杂度。同已有算法相比,该算法对视频序列表现出优秀的压缩性能,压缩效率明显提升。4.针对小波稀疏性能不理想的问题,提出了一种非下采样Contourlet变换(NSCT)结合高斯比例混合模型的图像降噪算法。算法基于NSCT变换,建立高斯比例混合图像模型(GSM),根据贝叶斯估计得到去噪模型。另外结合NSCT变换改进了基于SURE准则的图像去噪算法。算法根据SURE准则建立对MSE的估计,利用线性阈值对图像分解后不同尺度、不同方向的轮廓细节自适应调节实现图像去噪。5.为解决图像重构中产生的Gibbs伪影问题,提出一种结合非下采样塔式滤波器和全变差模型的图像去噪算法。金字塔滤波器把阈值去噪后的图像分解为低频和高频子带,利用全变差模型对分解图像分别建立去噪模型,得到重构图像。其后再次结合全变差模型得到细节补偿图像,叠加后得到最终去噪图像。另提出一种结合NSCT和自适应局部全变差模型的图像去噪算法NSCT-DTV,利用自适应局部全变差模型对处理后的图像结果进行滤波,有效地去除图像中的噪声,保留图像细节。实验结果表明,以上方法均能有效去除图像中的噪声和Gibbs伪影,保留图像细节,获得更好的视觉效果和更高的PSNR值。6.针对目前对无损压缩领域中嵌入式系统的广泛需求,本文分别设计实现了一种通用型嵌入式图像无损压缩系统和一种应用于空间的图像无损压缩系统。通用型系统首先结合相关无损压缩算法,以TMS320DM642为核心处理器,可实现多种无损压缩算法,可应用于工业等多种领域。另外结合CCSDS技术,以FPGA(STRIX-II)为核心处理器,实现了可应用于空间图像无损压缩的图像处理系统。系统的主要特点有:嵌入式设计,硬件实时压缩,体积小,功耗低,可广泛应用于卫星遥感,飞行航拍等领域。
谢磊[3](2008)在《基于小波域马尔可夫模型的视频对象分割算法研究》文中进行了进一步梳理随着通信和信息处理技术的发展,基于视频的应用呈现出强大的灵活性和可扩展性,远程医疗是随之出现的新兴领域。视频图像为远程医疗诊断、监护提供了重要信息,而高质量的视频图像数据的处理、传输需要更先进的数字处理技术,以便实现更高效的存储和传输,以及更准确的分析和更灵活的操作。在新一代视频编码标准MPEG-4中,视频图像被认为是由一系列相互独立的运动对象组成,其编码是直接针对视频对象,所以MPEG-4采用基于对象的视频编码。由于在编码过程中,针对不同对象采用不同的编码方法,因此不仅能大大提高视频图像的压缩比,而且允许用户对多媒体数据按内容进行交互式操作。视频对象的分割是基于对象编码的基础,因此视频对象的分割技术具有重要的研究价值和应用意义。视频对象分割涉及视频内容的分析和理解,而视频内容的复杂性使视频对象的自动分割需要大量复杂的计算,并且计算量随着分割准确性要求增加。因此如何有效地实现基于对象的视频分割,具有重大的理论意义和实际价值。为了提高视频分割的准确性,减少分割的计算量,以便能够满足视频图像的实时传输与处理,本文阐述了视频分割领域研究的发展线索及目前的状况,分析了不同视频对象分割算法的性能,给出了视频对象分割方法的基本结构。视频图像质量是影响分割效果的重要因素,为了克服噪声对视频图像分割的影响,本文研究了基于小波阈值去噪的基本技术,提出了一种基于小波阈值和系数放大相结合的去噪方法。该方法结合人眼的视觉特性,将视频图像小波变换后的低频系数和高频系数进行适当的放大,然后采用软阈值法进行消噪。实验表明,该方法在有效抑制噪声的同时也很好的保留了图像边缘。通过对现有的分割算法的研究,结合多分辨率分析方法,提出了一种基于小波变换的马尔可夫随机场的视频对象分割算法。该算法利用小波变换将图像序列分解到小波域,在小波域中建立马尔可夫随机场模型,引入变权参数构造马尔可夫模型的相应约束能量函数,使得分割模型不易于陷入局部最大值。为了减少计算量,将该方法移植到小波域中,通过从低分辨率到高分辨率的视频对象分割,降低分割的计算量,获得较准确的视频对象分割结果。利用最大后验估计(Maximum A Posteriori,MAP)求最小能量函数时采用加窗口的条件迭代模式(Iterated Conditional Mode,ICM)的方法,使用合适的窗口来求解能量函数的最优解,得出标记场,提取出运动对象,然后利用形态滤波的方法对分割结果进行修正。在加快处理速度的同时保持了分割准确性基本不受影响,达到计算速度和分析精度之间的平衡。实验结果显示,该算法保留了更多的图像信息,获得更准确的视频对象,降低了对象分割的计算量。由于视频序列中对象运动通常是缓慢、连续、非刚性的,利用连续两帧视频图像运动特征分析方法获得低分辨率下对象的运动区域,结合图像的空间信息,从而保证了对象提取的完整性。综上所述,论文为了保证视频图像分割的准确性,首先采用小波阈值和系数放大相结合的方法对图像进行消噪处理,然后在小波域中建立马尔可夫随机场模型,利用该模型实现了视频对象分割。在此基础上,采用人工合成图像以及视频图像序列作为仿真对象,通过大量的实验证明了该方法能有效的降低噪声,快速准确的提取出视频对象,保证对象提取的准确性和一致性。
傅佳莉[4](2007)在《基于主观视觉模型的环路滤波研究》文中研究说明当前,数字化趋势和多媒体应用需求正变得越来越强劲,视频编码的研究也成为多媒体信息处理技术研究领域中最活跃的领域之一。本文以国家自然科学基金项目——无线信道下的信道广义率失真模型研究(No.60372067)、华为高校合作项目——AVS视频标准提案技术研究、武汉市青年科技晨光计划项目“无线多媒体通信的联合功率率失真模型研究”(No.20045006071-18)以及湖北省自然科学基金——基于移动多媒体的高质量图像/视频编解码(NO. CGZ0223)的资助下,主要针对视频编解码标准中环路滤波的自适应技术进行研究。同时参加中国数字音视频编解码技术标准化工作组(简称AVS工作组)的工作,积极参与技术提案的提交和标准的制定。在低码率条件下这类基于图像分块变换编码原理的算法解码恢复出的图像会产生块效应,严重影响实际中的广泛应用,针对如何消除块效应也已经出现很多不同的解决方法。本文首先介绍了视频编码的基础理论,并在分析AVS和H.264中环滤波器的基础上,针对环路滤波器去除块效应方法做了深入的研究,利用基于块分类的滤波处理方法去除块效应。本文基于AVS-P2 Xprofile平台提出了低复杂度环路滤波方法。利用宏块的模式来进行块效应强度的判断,目的在于减少运算的复杂度,并且易于实现宏块级的并行处理。由于现有的滤波技术未能考虑图像的具体结构和内容,在去除块效应的同时,造成了主观性能与客观性能的不一致性。本文深入研究当前在视频编码中广泛应用的环路滤波技术,提出并实现基于主观视觉模型的新型环路滤波算法。在统计分析的同时,结合人眼的主观视觉特性,合理的消除或者减弱块效应,并且有效的降低运算的复杂度。此外,本文介绍了基于独立平台的AVS-P2解码器设计。设计基于独立平台的视频解码器,是实现适合特定应用平台的嵌入式视频解码器的第一步。本文设计的主要特点是以宏块为单元来完成解码操作,这样的设计有利于降低片内内存消耗、并通过优化存储格式降低片/内外数据交互,进而降低处理复杂度。本文将介绍基于AVS-P2标准的系统设计规范准则、系统模块设计与环路滤波模块的详细算法设计。AVS-P2标准于2006年3月被正式批准为国家标准,本文的设计工作必将在诸多基于AVS的视频项目有广泛的应用前景。
胡栋[5](2007)在《视频分级编码及可靠传输的编码技术研究》文中研究指明由于Internet爆炸性增长和巨大成功,网络多媒体业务的需求急剧增加,如:网络视频点播、IPTV等,被业界普遍认为是信息产业新的业务增长点和经济增长点。然而,互联网的基础是IPv4,其设计的初衷主要是面向教育和研究机构的数据传输服务,是一个与生俱来的动态异构网络,无法提供可靠的质量保证,为此需要在传输和应用层上提供技术支持。然而IP网络复杂的传输特性对高效、可靠地提供视频流传输提出了挑战。因此,研究适应于IP网络传输的视频编码技术具有极其重要的理论研究价值和广阔的应用前景,是目前视频编码领域最具吸引力的方向之一。本文的工作中心即为研究适应IP网络可靠传输要求的视频编码方法,以达到提高编码效率及抗误码性能、改善重建图像质量的目的。论文首先把精细粒度分级编码(FGS)作为研究的重点,其次,将以混合编码为对象,研究基于交织的多描述视频编码,最后,对视频编码的后处理技术进行研究。本文在视频精细粒度分级编码方面进行了研究。首先提出一种码流的抽象数据表示结构,据此将目前主流的几种分级编码总结为3种类型,并对现有的3种主要的精细粒度分级编码算法性能进行了扼要的分析和概括,之后对MPEG-4 FGS的编码进行了较为全面的实验测试与性能分析,提出了在保持FGS良好的抗误码数据结构基础上,改进FGS编码性能的两个方向,即通过码流切换改进基本层编码质量以适应大范围码率的波动,以及改进增强层本身的编码效率。最后,提出了改进增强层编码的3个方法,包括DCT系数基于形态学数据重排和基于子带数据重排的增强层编码,以及最低比特面的直接编码等。实验结果表明,经过DCT系数重排后,FGS编码性能得到了实质性改善,天然地实现了基本的FGS高级选项SE和FW的功能,而无需增加额外的码率。本文在视频多码流切换方面进行了研究。首先阐述了多码流切换的基本原理和多码流切换方案,然后在对目前主要多流切换的编解码器组成结构深入分析的基础上,总结出多码流生成的本质即在码流中打入合适的“锲子”,即质量符合目标码流环境的切换帧。基于码流切换时的不同需要,提出了一种新的全嵌入式码流切换方案FESSS,详细描述了新的多码流切换方案设计过程,并提供了两种方式的基本切换码流生成算法。新算法的特点是通过开环方式生成基本码流,多个码流可以用一个编码器顺序产生,无需多个编码器并行工作,降低了计算的难度。实验结果表明,新算法性能良好,具有实际应用意义。本文在基于交织的多描述编码方面进行了研究。首先阐述了实现IP网络视频可靠传输的三种主要策略,然后扼要总结了其中的抗误码编码技术,分析了两类主要抗误码编码——分级编码和多描述编码的技术差异。在用一种新的观点——基于数据交织技术阐述目前几种主要的混合编码MDC的共性之后,着重研究实现简单、效果良好的基于象素交织的MDC。在介绍和分析基于ORB-DCT的MDC算法之后,提出一种新的改进算法,得到了物理意义更加清晰、并且适应于快速运算的结果。之后,从广义抗混叠滤波的角度对新算法做了进一步分析,把抽样类型从一维推广到二维,并在实验中发现了图像中存在不对称现象。最后从一种新的观点对基于交织的最佳重建进行了解释,从而为从2个描述推广到4个描述,以及寻找它们的最佳重建方法提供了另一种思路。本文最后研究了基于小波域软阈值的去方块滤波算法。针对现有算法存在参考模型不够准确,从而引起阈值估计不准、滤波处理不够细致的问题,提出了由图像的非纹理区为参考的改进思路,并相应地提出了两种改进算法DCCST和VFST,其中包括阈值估计和软阈值处理两方面的改进,同时针对压缩视频的去方块滤波进行了相应的修改。通过实验对新算法分别进行了单幅压缩图像和压缩视频的测试和分析。结果表明,新算法在阈值估计的准确性,滤波的效果均得到明显的改进,而计算复杂度有明显降低。最后,在对实验数据分析的基础上,提出了阈值的一致性假设,并结合实验加以解释。这一假设对实时滤波处理具有一定的参考意义。本文对全文的工作进行了回顾和总结,并且提出进一步研究的设想和方向。
李志成[6](2006)在《小波域软阈值去方块滤波算法在可分级视频编码中的应用》文中指出在低码率、缺乏QoS保证和网络异构性的条件下,可分级视频编码比传统的编码方法更能有效的实时传输视频,被公认为是无线网络以及因特网视频传输的首选方案。分级视频编码为用户提供一个基本层码流和一个或者多个增强层码流,其中基本层包含视频信号的基本信息,满足用户的最低要求,可以独立解码,而增强层则包含一些视频细节,必须与基本层一起解码。根据信道的容量等条件,可以解码一个或者多个分层,从而获得不同的视频重建效果。目前制定的视频编码标准中包含了对质量可分级、空间可分级和时间可分级等可分级编码技术的支持。 然而,现存的这种可分级编码方法还存在着一定的局限性,例如,由于采用了基于块的DCT变换(BDCT),所以不可避免地会出现所谓“方块效应”,这是因为独立地对每个分块进行处理而忽略了块之间像素的相关性所造成的。尤其在低码率粗量化时,去除了大量的高频分量,同时也增大了低频分量的量化误差,致使图像块之间灰度值的不连续,在视觉上就表现为一些虚假的方块。在空间可分级编码器中,基本层的块效应会影响增强层的预测精度,降低增强层编码效率。为此,如果采用去方块滤波器对基本层的恢复图像进行滤波,可以期望减轻块效应带来的不良影响,抑制噪声干扰的扩散,降低比特率。理想的去方块滤波算法在平滑方块的同时,还应该能保持图像中的边缘特征,改善图像的主客观质量。R. A. Gopinath首先将小波域软阈值滤波方法用于去方块滤波,取得良好效果;其后S. Wu提出了相应的闽值估算算法,使该方法趋于实用。实验结果表明,该方法对于各类图像都表现出良好的去方块性能。 本文基于可分级视频编码的基本概念,分析了空间可分级视频编码器基本层的方块效应对增强层造成的影响,并将小波域软阈值滤波算法应用于对基本层去方块滤波。其目的在于提高增强层的编码效率。
许可[7](2006)在《视频图像中除“块”方法的研究》文中提出目前,随着信息技术的飞速发展,数字信号逐渐取代传统的模拟信号。但是,数字视频信号的巨大数据量给传输和存储带来很大困难。甚至在数据量过大时,会造成数字信号不能进行传输和存储的情况。因此,为了用有限的信道传输尽可能多的数据,来获取高质量的实时视频图像,这样就必须将图像数据进行压缩。 近年来,国际标准化组织(ISO)和国际电信联盟(ITU)制定了一系列视频压缩编码国际标准,极大地推动了视频压缩技术的发展。它们己经在不同的领域得到了广泛的应用,例如,MPEG-2(运动图像及其伴音通用编码国际标准)是数字视频领域的主要编码标准。 随着数字电视技术的不断发展,在低码率、缺乏QoS保证和网络异构性的条件下,可分级视频编码比传统的编码方法更能有效的实时传输视频,被公认为是无线网络以及因特网视频传输的首选方案。分级视频编码为用户提供一个基本层码流和一个或者多个增强层码流,其中基本层包含视频信号的基本信息,满足用户的最低要求,可以独立解码,而增强层则包含一些视频细节,必须与基本层一起解码。根据信道的容量等条件,可以解码一个或者多个分层,从而获得不同的视频重建效果。 虽然,可分级视频编码适用于网络环境变化较大的视频传输领域,并为用户提供不同质量的视频。但是,在空间可分级编码器中,基本层图像的“方块效应”会影响增强层的预测,降低其编码效率。如果采用去方块滤波器对基本层的恢复图像进行滤波,可以期望减轻“方块效应”带来的不良影响。本论文针对分块DCT压缩编码产生的“方块效应”,将小波域软阈值去方块滤波算法应用到空间可分级视频编码中,经实验验证,该方法能较好地改善图像质量,具有良好的效果。
章毓晋[8](2004)在《中国图像工程:2003》文中认为该文是“中国图像工程”的年度文献综述系列之九。为了使国内广大从事图像工程研究和图像技术应用的科技人员能够较全面地了解国内图像工程研究和发展的现状 ,并能够方便地查询有关文献 ,现从国内 15种有关图像工程重要中文期刊 2 0 0 3年出版的共 10 8期上发表的 2 341篇学术研究和技术应用文献中 ,选取出 5 77篇属于图像工程领域的文献 ,然后根据各文献的主要内容将其分别归入图像处理、图像分析、图像理解、技术应用和综述 5个大类 ,再进一步分入 2 1个专业小类。在此基础上进行了文献统计和分析。由统计分析结果可见 ,我国图像工程在2 0 0 3年又有了许多新进展 ,除相关的文献数量继续增加 ,“传统的”图像分割和图像编码领域仍有许多新研究成果外 ,近年来的几个新的研究热点 ,如图像数字水印、人脸和器官检测、图像匹配融合、图像和视频检索等继续“升温”。特别值得指出的是 ,图像工程文献在上述 15种期刊上 2 0 0 3年发表的文献中的比例达到一个新的水平 ,显示了图像工程研究在中国强劲的快速发展势头。
胡栋,郑宝玉[9](2003)在《低码率视频的小波域软阈值去方块滤波算法的研究》文中认为本文针对低码率条件下基于子块DCT的视频压缩产生的方块效应,提出了一种小波域上进行软阈值滤波的改进算法。新算法根据图像的平坦区和单调变化区等非纹理区易于通过平滑滤波去噪的性质,以非纹理区作为参考对象计算阈值,并且采用虚拟滤波的思想简化了阈值的计算,同时根据低码率压缩视频的特点修改了在低层子带的软阈值处理过程。对测试序列Susan的实验结果表明,新的算法不仅获得很好的主观去方块效果,而且可以对帧内和帧间编码模式平均分别获得约1.0dB和0.28dB的客观质量(PSNR)的改善,因此新的算法适用于可视电话等低码率视频的应用。
二、低码率视频的小波域软阈值去方块滤波算法的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、低码率视频的小波域软阈值去方块滤波算法的研究(论文提纲范文)
(1)语音压缩感知关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
缩略语 |
图表说明 |
目录 |
第一章 绪论 |
1.1 课题来源及意义 |
1.2 压缩感知理论研究现状 |
1.2.1 信号稀疏表示的研究现状 |
1.2.2 观测矩阵的研究现状 |
1.2.3 重构算法的研究现状 |
1.3 压缩感知在语音信号处理中应用研究现状 |
1.4 论文的研究内容及成果 |
1.5 本文后续的安排 |
第二章 基于离散余弦基的语音压缩感知 |
2.1 引言 |
2.2 传统语音采样方式及压缩感知原理 |
2.2.1 传统语音信号的采样与重建 |
2.2.2 压缩感知基本理论 |
2.3 基于正交基的语音压缩感知系统框架 |
2.3.1 语音信号在 DCT 基下的稀疏性 |
2.3.2 观测矩阵的选取 |
2.3.3 重构算法 |
2.4 实验仿真 |
2.4.1 数据库描述和评价语音质量的主客观方法 |
2.4.2 仿真分析 |
2.5 本章小结 |
第三章 基于过完备线性预测字典的语音压缩感知 |
3.1 引言 |
3.2 语音信号基于线性预测矩阵的压缩感知采样及其重构 |
3.2.1 构造 LP 矩阵 |
3.2.2 语音信号在线性预测冗余域的稀疏性 |
3.3 基于过完备的线性预测字典的语音压缩感知重构 |
3.3.1 构造过完备的 LP 字典 |
3.3.2 语音 CS 压缩采样与重构 |
3.4 实验仿真 |
3.5 本章小结 |
第四章 含噪语音信号的压缩感知 |
4.1 引言 |
4.2 基于 ABPDN 的含噪语音信号的压缩感知 |
4.2.1 基于 CS 的含噪语音信号的压缩采样 |
4.2.2 含噪语音信号的重构 |
4.2.3 基于 ABPDN 的含噪语音信号的重构 |
4.2.4 实验仿真 |
4.3 基于 ABPDN 的含噪语音压缩感知和后置去噪 |
4.3.1 基于 ABPDN 的含噪语音压缩感知和后置去噪系统框架 |
4.3.2 实验仿真 |
4.4 基于数据驱动字典和前置去噪的压缩感知 |
4.4.1 基于 K-SVD 算法训练语音信号驱动的过完备字典 |
4.4.2 基于数据驱动字典和过完备稀疏表示的自适应语音增强 |
4.4.3 基于前置语音稀疏增强的 CS 压缩感知系统框架 |
4.4.4 实验仿真 |
4.5 观测噪声对语音压缩感知性能影响 |
4.5.1 观测噪声对语音压缩感知性能影响分析 |
4.5.2 实验仿真 |
4.6 本章小结 |
第五章 基于自适应多尺度压缩感知的语音压缩与重构 |
5.1 引言 |
5.2 基于小波变换的多尺度压缩感知(MCS)理论 |
5.3 基于小波变换的语音信号多尺度压缩感知 |
5.3.1 基于 MCS 的语音信号的压缩与重构框架 |
5.3.2 基于 Sym 正交小波变换的语音信号的 MCS |
5.3.3 基于 Sym 正交小波变换的语音信号自适应 MCS |
5.4 实验仿真 |
5.4.1 数据库描述和评价语音质量的主客观方法 |
5.4.2 性能仿真 |
5.4.3 对重构语音进行说话人识别测试 |
5.5 本章小结 |
第六章 结束语 |
6.1 论文总结 |
6.2 未来研究方向展望 |
参考文献 |
攻读博士期间撰写的学术论文 |
攻读博士期间参加的科研项目 |
致谢 |
(2)图像无损压缩及去噪技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 概述 |
1.2 图像无损压缩技术的研究现状 |
1.2.1 图像无损压缩技术的发展与现状 |
1.2.2 视频无损压缩技术的发展与现状 |
1.2.3 图像压缩系统的研究现状 |
1.3 图像去噪技术的研究现状 |
1.3.1 传统的图像去噪方法 |
1.3.2 小波域图像去噪方法 |
1.3.3 多尺度图像去噪方法 |
1.3.4 偏微分方程图像去噪方法 |
1.4 论文主要工作及章节安排 |
参考文献 |
第二章 基于快速SPIHT 算法的图像无损压缩技术研究 |
2.1 引言 |
2.2 无损压缩国际标准分析 |
2.2.1 JBIG 标准 |
2.2.2 JPEG 标准 |
2.2.3 JPEG-LS 标准 |
2.2.4 JPEG2000 标准 |
2.2.5 HDPhoto 标准 |
2.3 编码方式 |
2.3.1 EZW 编码 |
2.3.2 SPIHT 编码 |
2.3.3 SPECK 编码 |
2.3.4 EBCOT 编码 |
2.4 基于整数小波的快速SPIHT 无损压缩算法SSPIHT |
2.4.1 整数小波变换 |
2.4.2 快速SPIHT 编码SSPIHT |
2.4.3 实验结果和分析 |
2.5 本章小结 |
参考文献 |
第三章 基于自适应模板的视频无损压缩技术研究 |
3.1 引言 |
3.2 无损视频压缩的基本编码框架 |
3.3 无损视频压缩的关键技术 |
3.3.1 预测编码 |
3.3.2 变换编码 |
3.3.3 运动估计和补偿 |
3.3.4 熵编码 |
3.4 一种新的自适应无损视频压缩算法AMLVC |
3.4.1 空域去冗余 |
3.4.2 时域去冗余 |
3.4.3 自适应预测模型 |
3.4.4 实验结果和分析 |
3.5 本章小结 |
参考文献 |
第四章 基于多尺度几何分析的图像去噪技术研究 |
4.1 引言 |
4.2 经典图像去噪算法 |
4.2.1 小波阈值去噪算法 |
4.2.2 小波比例萎缩去噪 |
4.2.3 小波相关性去噪 |
4.3 基于NSCT 的图像去噪模型 |
4.3.1 NSCT 变换原理 |
4.3.2 高斯比例混合模型 |
4.3.3 基于高斯比例混合模型的噪声估计 |
4.3.4 算法描述 |
4.3.5 实验结果与分析 |
4.4 基于NSCT 的自适应图像去噪方法 |
4.4.1 基于SURE 准则的MSE 估计 |
4.4.2 基于图像尺度和方向特性的自适应阈值 |
4.4.3 算法描述 |
4.4.4 实验结果与分析 |
4.5 本章小结 |
参考文献 |
第五章 结合全变差的图像去噪技术研究 |
5.1 引言 |
5.2 偏微分方程在图像降噪中的应用 |
5.2.1 Perona-Malik 模型 |
5.2.2 各项异性扩散模型 |
5.2.3 复扩散模型 |
5.2.4 优点及面临的问题 |
5.3 小波和偏微分方程的联系 |
5.4 一种新的结合全变差模型去噪方法 |
5.4.1 全变差模型 |
5.4.2 结合全变差模型消除Gibbs 伪影 |
5.4.3 实验结果与分析 |
5.5 结合NSCT 与自适应全变差的图像去噪方法NSCT-DTV |
5.5.1 高斯比例混合模型 |
5.5.2 自适应全变差模型 |
5.5.3 结合自适应全变差去噪 |
5.5.4 实验结果与分析 |
5.6 本章小结 |
参考文献 |
第六章 嵌入式图像无损压缩系统设计及实现 |
6.1 引言 |
6.2 通用无损压缩硬件单元实现 |
6.2.1 压缩单元的硬件设计 |
6.2.2 压缩单元的软件框架 |
6.3 优化与实现 |
6.3.1 算法的DSP 系统平台移植 |
6.3.1.1 去除冗余代码 |
6.3.1.2 修改函数和变量 |
6.3.1.3 编译选项和连接命令 |
6.3.2 DSP 系统优化技术 |
6.3.2.1 EDMA 传输数据 |
6.3.2.2 软件流水技术 |
6.3.2.3 数据类型的选择 |
6.3.2.4 处理链优化 |
6.3.2.5 避免冲突读miss |
6.3.2.6 系统自带库函数优化 |
6.3.3 实验结果和分析 |
6.4 空间图像无损压缩系统设计及实现 |
6.4.1 CCSDS |
6.4.1.1 预处理 |
6.4.1.2 离散小波变换 |
6.4.1.3 量化与编码 |
6.4.1.4 位平面编码 |
6.4.1.5 熵编码 |
6.4.2 压缩单元的设计 |
6.4.2.1 硬件系统核心模块设计 |
6.4.2.2 外部接口模块 |
6.4.2.3 无损压缩系统架构设计 |
6.4.2.4 二维小波变换的FPGA 设计 |
6.4.2.5 位平面编码结构设计 |
6.5 实验结果和分析 |
6.6 本章小结 |
参考文献 |
第七章 总结与展望 |
7.1 研究工作总结 |
7.2 研究展望 |
致谢 |
博士在读期间的研究成果 |
(3)基于小波域马尔可夫模型的视频对象分割算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 多媒体发展及MPEG-4 简介 |
1.2 研究背景及意义 |
1.2.1 视频对象分割的概念 |
1.2.2 视频分割的研究意义 |
1.3 当前研究状况 |
1.4 本文结构 |
第2章 基于小波变换的图像去噪 |
2.1 视频图像噪声特点与评估 |
2.2 图像噪声处理 |
2.3 基于小波变换的图像去噪 |
2.3.1 小波阈值去噪方法 |
2.3.2 本文的小波去噪方法 |
2.4 实验结果与分析 |
2.5 结论 |
第3章 马尔可夫随机场模型 |
3.1 马尔可夫随机场模型 |
3.1.1 邻域系统和基团 |
3.1.1.1 邻域系统 |
3.1.1.2 基团 |
3.1.2 图像初始标记场的获取 |
3.1.2.1 简单阈值法 |
3.1.2.2 显着性检验 |
3.1.3 能量函数的确立 |
3.1.4 MAP 估算方法 |
3.1.4.1 条件迭代模式算法 |
3.1.4.2 模拟退火算法 |
3.2 几种算法介绍 |
3.2.1 一种简单的MRF 模型 |
3.2.2 高斯MRF 模型 |
3.2.3 均值场MRF 模型 |
3.3 实验结果分析 |
3.4 本章小结 |
第4章 视频对象分割 |
4.1 运动变化检测方法 |
4.2 基于小波变换的MRF 模型的对象分割 |
4.2.1 基于小波变换的MRF 模型对象分割的基本结构 |
4.2.2 图像小波分解 |
4.2.3 改进的马尔可夫随机场模型的对象分割 |
4.2.3.1 引入变权参数的MRF 模型 |
4.2.3.2 改进的MAP 估计算法 |
4.2.4 对象提取 |
4.3 实验结果与分析 |
4.4 总结 |
第5章 总结与展望 |
5.1 全文工作总结 |
5.2 今后工作展望 |
参考文献 |
致谢 |
附录: 攻读学位期间发表的论文 |
(4)基于主观视觉模型的环路滤波研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 视频编码的发展与关键技术 |
1.2.1 帧内预测编码 |
1.2.2 帧间预测编码 |
1.2.3 变换与量化 |
1.2.4 环路滤波 |
1.3 消除图像块效应技术国内外研究现状 |
1.4 论文的选题与主要工作 |
2 视频编码中的环路滤波技术 |
2.1 视频编码中块效应产生的原因 |
2.2 环路去块滤波技术 |
2.3 H.264 中的环路滤波技术 |
2.3.1 H.264 环路滤波概述 |
2.3.2 详细算法 |
2.4 AVS 中的环路滤波技术 |
2.5 图像质量的评价标准 |
2.5.1 图像质量的客观评价方式 |
2.5.2 图像质量的主观评价方式 |
2.6 本章小结 |
3 基于 AVS-P2 Xprofile 的低复杂度环路滤波 |
3.1 现有的 AVS-P2 Xprofile 的环路滤波技术 |
3.1.1 区域平坦度的推导过程 |
3.1.2 边界滤波强度的推导过程 |
3.1.3 块边界阈值的推导过程 |
3.1.4 滤波算子 |
3.2 改进的低复杂度环路滤波算法 |
3.2.1 块边界强度(Bs)的判定 |
3.2.2 滤波算子的选取 |
3.3 客观和主观的性能测试结果 |
3.3.1 客观质量评价 |
3.3.2 主观质量评价 |
3.3.3 主观测试结果 |
3.4 本章小结 |
4 基于主观视觉模型的环路滤波技术 |
4.1 主观视觉特性 |
4.2 基于主观视觉模型的环路滤波算法 |
4.2.1 结合HVS 的均匀块的确定 |
4.2.2 边界滤波强度的推导过程 |
4.2.3 滤波算子 |
4.3 客观和主观的性能测试结果 |
4.3.1 客观质量评价 |
4.3.2 主观质量评价 |
4.3.3 主观测试结果 |
4.4 复杂度比较 |
4.4.1 模式判断的复杂度 |
4.4.2 滤波过程的复杂度 |
4.5 本章小结 |
5 基于独立平台的AVS-P2 解码器设计 |
5.1 系统设计规范 |
5.2 系统模块设计 |
5.3 环路滤波模块设计 |
5.3.1 宏块存储单元初始化 |
5.3.2 环路滤波模块解码 |
5.4 解码器复杂度分析 |
5.5 本章小结 |
6 总结与展望 |
致谢 |
参考文献 |
附录 攻读学位期间研究成果 |
(5)视频分级编码及可靠传输的编码技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 视频编码的标准化与研究新进展 |
1.2 IP 网络的数据传输 |
1.3 本文的工作动机、内容安排和研究成果 |
第二章 视频精细粒度分级编码FGS 的研究 |
2.1 概述 |
2.2 分级编码的码流数据组成结构及其描述 |
2.3 精细粒度分级编码FGS 简述 |
2.4 FGS 编码性能实验与分析 |
2.5 FGS 性能的改进策略 |
2.6 增强层编码的改进 |
2.7 本章工作小结 |
第三章 多码率视频流切换方法的研究 |
3.1 概述 |
3.2 多码流切换算法分析 |
3.3 全嵌入式码流切换算法研究 |
3.4 实验结果与分析 |
3.5 本章工作小结 |
第四章 基于交织的视频多描述编码技术研究 |
4.1 概述 |
4.2 数据交织与多描述编码 |
4.3 基于最佳重建DCT 的多描述编码分析 |
4.4 适应于快速DCT 变换的最佳重建多描述算法 |
4.5 基于广义滤波的MDC 算法研究 |
4.6 基于交织的最佳重建的另外一种解释 |
4.7 本章工作小结 |
第五章 基于小波域软阈值处理的去方块滤波算法研究 |
5.1 概述 |
5.2 基于小波域软阈值滤波的去方块滤波算法 |
5.3 基于小波域软阈值滤波算法的改进 |
5.4 实验结果与分析 |
5.5 关于阈值的一致性假设与讨论 |
5.6 本章工作小结 |
第六章 总结 |
参考文献 |
致谢 |
在学期间发表的学术论文与着作 |
(6)小波域软阈值去方块滤波算法在可分级视频编码中的应用(论文提纲范文)
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 视频压缩的可能性和必要性 |
1.2 视频压缩算法概述 |
1.2.1 视频压缩算法的历史与现状 |
1.2.2 视频压缩中所采用的主要技术 |
1.2.3 目前视频压缩算法所面临的挑战 |
1.3 本文的主要研究内容 |
第二章 视频编码基础 |
2.1 视频编码的基本原理 |
2.1.1 时间冗余度的去除——运功估计和运动补偿 |
2.1.2 空间冗余度的去除——变换编码 |
2.1.3 离散余弦变换(DCT) |
2.1.4 量化 |
2.1.5 Z型扫描和游程编码 |
2.1.6 Huffman编码 |
2.1.7 编码典型的编解码结构 |
2.2 视频压缩的国际标准 |
2.2.1 H.261 |
2.2.2 MPEG-1 |
2.2.3 MPEG-2/H.262 |
2.2.4 H.263 |
2.2.5 MPEG-4 |
2.2.6 H.264 |
2.3 基于块的视频压缩方法的缺陷 |
第三章 可分级视频编码 |
3.1 可分级概念的提出与发展 |
3.2 质量可分级和时间可分级编码 |
3.2.1 质量可分级编码 |
3.2.1 时间可分级编码 |
3.3 空间可分级编码 |
3.3.1 不同空间分辨率的图像之间的转换 |
3.3.2 空间可分级视频编码器 |
3.3.2 空间可分级编码器中的方块效应 |
第四章 小波域软阈值去方块滤波算法 |
4.1 小波交换的基础理论 |
4.1.1 小波的发展简史 |
4.1.2 小波变换的定义 |
4.1.3 小波分解与小波重构 |
4.2 小波软阈值去方块滤波算法 |
4.2.1 小波阈值去噪的基本原理 |
4.2.2 小波域软阈值去方块滤波 |
第五章 小波软阈值去方块算法在空间可分级视频编码中的应用 |
5.1 基于去方块滤波的空间可分级视频编码方法 |
5.1.1 问题的提出 |
5.1.2 改进方案 |
5.2 仿真实验及实验结果分析 |
第六章 总结 |
参考文献 |
致谢 |
作者在攻读硕士学位期间发表的论文 |
学位论文评阅及答辩情况表 |
(7)视频图像中除“块”方法的研究(论文提纲范文)
目录 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 数字电视的基本理论 |
1.1.1 数字电视的定义 |
1.1.2 数字电视的分类 |
1.1.3 数字电视的技术优势 |
1.2 数字电视技术的现状及发展趋势 |
1.2.1 数字电视的现状 |
1.2.2 我国数字电视发展及现状 |
1.2.3 欧洲数字电视发展及现状 |
1.2.4 亚洲数字电视发展及现状 |
1.2.5 美国数字电视发展及现状 |
1.3 选题的目的和意义 |
第二章 数字视频编码 |
2.1 视频编码基本技术 |
2.2 视频编码标准介绍 |
2.2.1 ISO/IEC MPEG系列国际标准 |
2.2.2 ITU-T H.26X系列国际标准 |
2.3 视频编码的最新进展 |
2.4 图像质量的评价标准 |
2.4.1 图像的主观评价标准 |
2.4.2 图像的客观评价标准 |
第三章 可分级视频编码概述 |
3.1 空间可分级编码 |
3.2 时间可分级编码 |
3.3 数据分割 |
3.4 质量可分级编码 |
3.5 基于对象的可分级编码 |
第四章 “方块效应”消除算法 |
4.1 图像主观质量的改善方法 |
4.1.1 修正量化模式 |
4.1.2 降低分辨率更新模式 |
4.1.3 去“方块效应”滤波器 |
4.2 “方块效应”产生的原因 |
4.3 解决“方块效应”的重要性 |
第五章 小波分析数学基础及其滤波基本理论 |
5.1 小波分析的数学基础 |
5.1.1 连续小波变换 |
5.1.2 离散小波变换及其性质 |
5.1.3 交多分辨分析及Mallat算法 |
5.2 小波的软阈值滤波算法 |
5.2.1 分形噪声在小波分解下的特性 |
5.2.2 小波软阈值滤波算法 |
5.3 本章小结 |
第六章 小波域软阈值去方块滤波算法在空间可分级视频编码中的应用 |
6.1 空间视频编码器及其“方块效应” |
6.2 小波域软阈值去方块滤波算法 |
6.3 实验结果与讨论 |
6.4 结论 |
参考文献 |
致谢 |
学位论文评阅及答辩情况表 |
(8)中国图像工程:2003(论文提纲范文)
1 引 言 |
(1) 概括我国图像工程发展现状 |
(2) 便利从事图像工程研究和图像技术应用的人员查阅有关文献 |
(3) 为期刊编者和文献作者提供有用的参考信息 |
2 刊物选取原则 |
3 文献选取和分类 |
4 文献分类统计结果和讨论 |
4.1 近9年图像工程文献选取和分类概况比较 |
4.2 2003年各刊图像工程文献刊载情况 |
4.3 2003年各刊图像工程文献详细分类情况 |
5 结 论 |
(9)低码率视频的小波域软阈值去方块滤波算法的研究(论文提纲范文)
1 引言 |
2 小波域的软阈值去方块滤波方法[5] |
3 改进的虚拟软阈值算法VFST |
3.1 基本思想 |
3.2 基于虚拟平滑滤波的阈值估计 |
3.3 软阈值滤波处理 |
4实验结果与讨论 |
5 总结 |
四、低码率视频的小波域软阈值去方块滤波算法的研究(论文参考文献)
- [1]语音压缩感知关键技术研究[D]. 孙林慧. 南京邮电大学, 2012(06)
- [2]图像无损压缩及去噪技术研究[D]. 武晓玥. 西安电子科技大学, 2010(10)
- [3]基于小波域马尔可夫模型的视频对象分割算法研究[D]. 谢磊. 中南民族大学, 2008(06)
- [4]基于主观视觉模型的环路滤波研究[D]. 傅佳莉. 华中科技大学, 2007(05)
- [5]视频分级编码及可靠传输的编码技术研究[D]. 胡栋. 上海交通大学, 2007(04)
- [6]小波域软阈值去方块滤波算法在可分级视频编码中的应用[D]. 李志成. 山东大学, 2006(12)
- [7]视频图像中除“块”方法的研究[D]. 许可. 山东大学, 2006(12)
- [8]中国图像工程:2003[J]. 章毓晋. 中国图象图形学报, 2004(05)
- [9]低码率视频的小波域软阈值去方块滤波算法的研究[J]. 胡栋,郑宝玉. 信号处理, 2003(06)