CN110418137B - 一种交叉子集导引的剩余块集测量率调控方法 - Google Patents

一种交叉子集导引的剩余块集测量率调控方法 Download PDF

Info

Publication number
CN110418137B
CN110418137B CN201910701685.5A CN201910701685A CN110418137B CN 110418137 B CN110418137 B CN 110418137B CN 201910701685 A CN201910701685 A CN 201910701685A CN 110418137 B CN110418137 B CN 110418137B
Authority
CN
China
Prior art keywords
block
blocks
cross
residual
measurement rate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910701685.5A
Other languages
English (en)
Other versions
CN110418137A (zh
Inventor
刘浩
田伟
黄荣
孙韶媛
邓开连
孙嘉瞳
钟平
李德敏
周武能
廖荣生
魏国林
黄震
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Donghua University
Original Assignee
Donghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Donghua University filed Critical Donghua University
Priority to CN201910701685.5A priority Critical patent/CN110418137B/zh
Publication of CN110418137A publication Critical patent/CN110418137A/zh
Application granted granted Critical
Publication of CN110418137B publication Critical patent/CN110418137B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/587—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal sub-sampling or interpolation, e.g. decimation or subsequent interpolation of pictures in a video sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)

Abstract

本发明涉及一种交叉子集导引的剩余块集测量率调控方法，包括以下步骤：将目标图像分为若干块，对所有块进行分类，将各块通过块集划分归入交叉子集或剩余块集；使用初始测量率对交叉子集进行按序逐块观测，并统计观测值向量；根据交叉子集中观测值向量的统计情况为剩余块集设置各类的优化测量率，使用优化测量率对剩余块集进行按序逐块观测，并记录观测值；各块的观测值按螺旋次序逐块进行多方向预测，执行残差的量化与熵编码。本发明在平均测量率保持下提高图像观测的整体质量。

Description

一种交叉子集导引的剩余块集测量率调控方法
技术领域
本发明涉及压缩感知通信***中的观测参数调控技术领域，特别是涉及一种交叉子集导引的剩余块集测量率调控方法。
背景技术
压缩感知通信***能够突破奈奎斯特采样定律的限制，使以欠奈奎斯特速率采样的信号仍然可以有效的恢复，实现复杂度从测量端向重建端的转移。压缩感知测量端从原始的高维信号中获取低维的观测数据，观测过程是同时进行信号采集与数据压缩。作为一种典型的图像压缩感知架构，量化分块压缩感知(QuantizedBlockCompressiveSensing,QBCS)将目标图像划分成大小相同的若干块，每块包含水平和垂直方向的多个连续像素，然后按序逐块进行独立的观测，最后执行预测、量化与熵编码。在QBCS测量端，观测矩阵的规模取决于块的大小，不随目标图像分辨率的增加而增大，降低了计算和存储开销。若需要对块的测量率进行调整，只需要改变观测矩阵的选取行数，从而简化了硬件设计。
本发明的发明人发现，目前QBCS测量端对目标图像的所有块采用单一测量率进行观测，忽略了不同区域的特征差异性，使信息量不大的图像区域也被分配同样的测量率，难以提升目标图像的观测质量。在平均测量率与单次观测的约束下，如何为所有块优化地分配测量率仍是一个难题。
发明内容
本发明所要解决的技术问题是提供一种交叉子集导引的剩余块集测量率调控方法，能够在平均测量率保持下提高图像观测的整体质量。
本发明解决其技术问题所采用的技术方案是：提供一种交叉子集导引的剩余块集测量率调控方法，包括以下步骤：
(1)将目标图像分为若干块，对所有块进行分类，将各块通过块集划分归入交叉子集或剩余块集；
(2)使用初始测量率对交叉子集进行按序逐块观测，并统计观测值向量；
(3)根据交叉子集中观测值向量的统计情况为剩余块集设置各类的优化测量率，使用优化测量率对剩余块集进行按序逐块观测，并记录观测值；
(4)各块的观测值按螺旋次序逐块进行多方向预测，执行残差的量化与熵编码。
所述步骤(1)具体为：将目标图像分为若干块，并按从内向外螺旋的次序对所有块编排序号，并根据块序号的大小将所有块均分为三种块类别：内区、中区和外区；从第1个块开始，每隔K个块选一个块到交叉子集，其它块归入剩余块集。
具体地说，QBCS测量端准备获取一幅大小为W×H像素的目标图像，其中，W是宽度，H是高度。待测的目标图像被划分为N＝(W×H)/b2个互不重叠的块，每块大小均为b×b像素，N代表目标图像所有块的总数，b代表每块边长的像素数。按从内向外螺旋次序对所有块编排序号，i表示块序号，i＝1,2,···,N，位于图像中心的块被选为第1个块，令xi表示第i个块的原始像素，按从内向外螺旋递增的块序号将所有块均分为三种块类别：内区、中区、外区，对应于目标图像的内、中、外三个区域，块数量分别是
Figure BDA0002150999960000021
Figure BDA0002150999960000022
若
Figure BDA0002150999960000023
表示选取不大于且最接近的整数，j表示块类别标号(j＝1,2,3)，则内区(j＝1)的块序号从1到
Figure BDA0002150999960000024
中区(j＝2)的块序号从
Figure BDA0002150999960000025
到
Figure BDA0002150999960000026
外区(j＝3)的块序号从
Figure BDA0002150999960000027
到N。从第1个块开始，每隔K个块选一个块到交叉子集，其它块归入剩余块集，这样剩余块集与交叉子集的块数量之比为K-1。
所述步骤(2)具体为：使用初始测量率以图像中心的块为起点，按螺旋次序逐块进行独立观测，并缓存观测值。
具体地说，基于初始测量率，交叉子集按螺旋次序逐块执行观测，并缓存观测值。Φ0是一个M0×b2大小的高斯随机观测矩阵，其中
Figure BDA0002150999960000028
是交叉子集每块的观测值数量。测量端从图像中心的块开始，按螺旋次序(块序号i＝1,K+1,2K+1,···)逐块对第i个块xi进行独立的观测。每块均使用观测矩阵Φ0，第i个块xi的观测值向量yi表示为：yi＝Φ0·xi，大小为M0×1。当交叉子集执行逐块观测时，观测值统计器获取各块的观测值向量。交叉子集与剩余块集具有近似的统计特性，测量端根据交叉子集中观测值向量的统计情况为剩余块集设置各类的优化测量率。
所述步骤(3)具体为：根据交叉子集不同块类别的观测值向量的均值加权，为剩余块集不同块类别的区域分别分配优化测量率，其中，观测值向量均值较大的块类别分配较高的优化测量率，观测值向量均值较小的块类别分配较低的优化测量率；根据不同块类别的优化测量率，剩余块集按螺旋次序逐块观测，并缓存观测值。
在观测完交叉子集的所有块之后，测量率分配器在平均测量率保持下为不同块类别分配各类的优化测量率，分别计算三种块类别观测值向量的均值，得到均值向量矩阵δ＝[δ1,δ2,δ3]，其中，δj为交叉子集中第j种块类别的所有观测值向量的均值向量，j∈{1,2,3}。根据内区、中区、外区三种块类别的均值加权，每种块类别对应的区域按
Figure BDA0002150999960000031
重新分配优化测量率，式中，||*||1为l1范式，用于计算一个向量中所有元素的绝对值之和，Smin是允许的最小测量率。基于调控后的优化测量率，剩余块集按螺旋次序(块序号i＝2,···,K,K+2,···,2K,···)逐块执行观测，并缓存观测值，Φj是一个Mj×b2大小的高斯随机观测矩阵，其中
Figure BDA0002150999960000032
是第j种块类别的观测值数量。属于第j种块类别的第i个块xi的观测值向量表示为：yi＝Φj·xi，其中，yi是第i个观测值向量，大小为Mj×1。
所述步骤(4)具体为：从中心块出发按螺旋次序逐块对观测值执行多方向预测，从当前块的多方向邻域中选取可用的相邻块，分别计算各个相邻块与当前块的观测值预测残差，选择残差最小的预测方向与最佳预测残差，对当前块的最佳预测残差执行量化与熵编码，生成存储或传输的码流。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明将测量率作为调控参数，通过按螺旋次序逐块观测，统计交叉子集三种块类别观测值向量的均值加权，为剩余块集的三种块类别差异化地分配优化测量率，自适应地提高了测量率的利用效率。本发明能够在平均测量率保持下有效地分配测量率，一定程度地提高了目标图像的观测质量。
附图说明
图1是QBCS测量端的整体框图；
图2是按序逐块观测的交叉子集与剩余块集示意图；
图3是交叉子集导引的剩余块集测量率调控方法流程图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种交叉子集导引的剩余块集测量率调控方法，包括以下步骤：将目标图像分为若干块，对所有块进行分类，将各块通过块集划分归入交叉子集或剩余块集；使用初始测量率对交叉子集进行按序逐块观测，并统计观测值向量；根据交叉子集中观测值向量的统计情况为剩余块集设置各类的优化测量率，使用优化测量率对剩余块集进行按序逐块观测，并记录观测值；各块的观测值按螺旋次序逐块进行多方向预测，执行残差的量化与熵编码。由此可见，本实施方式通过先对交叉子集执行初始测量率的逐块观测，以此推导剩余块集各种块类别的优化测量率，以便在平均测量率保持下提高观测质量。
以下结合附图进一步说明本发明的实施方式。在本实施例中，输入的目标图像X大小为160×160像素，划分成块进行观测，有助于降低测量端的复杂度。图1给出了QBCS测量端的整体框图，主要包含图像分块/分类别、块集划分、按序逐块观测、观测值统计器、测量率分配器、量化、熵编码等功能单元。测量端首先执行目标图像X的分块以及所有块的分类别，各块通过块集划分归入交叉子集或剩余块集。基于一定的初始测量率，测量端对交叉子集按序逐块观测，观测值统计器获取各种块类别的观测值向量。更高的测量率通常会导致更好的观测质量，信息量较大的图像区域应被分配较高的优化测量率。交叉子集与剩余块集的各种块类别具有相似的区域特征。测量率分配器获取交叉子集各种块类别的观测值向量的均值，根据均值加权为剩余块集不同块类别分配优化测量率。在平均测量率保持下，测量端根据各种块类别的优化测量率对剩余块集按序逐块观测。实数的观测值进行多方向预测，残差量化成为索引值，进而执行熵编码，将压缩数据及辅助信息封装进码流Y，进行数字化的存储或传输。
本实施例中需要按螺旋递增的块序号将所有块均分为三种块类别：内区、中区、外区。所提方法先观测交叉子集再观测剩余块集，两个块集合的按序逐块观测均是按由内向外块序号增大的次序进行观测。图2给出了按序逐块观测的交叉子集(黑色块组成)与剩余块集(白色块组成)示意图，图中显示了含有N＝100个块的目标图像X进行螺旋式逐块观测的一个例子，图中每个方框内的数字表示该块的螺旋次序，方框内的数字越小，表示该块越早执行观测，交叉子集与剩余块集均是按由内向外块序号增大的次序逐块观测。
图3给出了交叉子集导引的剩余块集测量率调控方法流程图，测量端执行先交叉子集、后剩余块集的按序逐块观测，生成码流，其具体流程如下：
步骤一：对目标图像进行分块，然后为所有块划分块类别，各块通过块集划分归入交叉子集或剩余块集。QBCS测量端首先将输入的目标图像X分为100个非重叠的块，每块大小为16×16像素，按螺旋次序对所有块编排序号，i表示块序号，i＝1,2,···,100，
Figure BDA0002150999960000051
表示第i个块的原始像素。块xi通过高斯随机观测矩阵，得到观测值向量yi。第1个块(i＝1)从图像中心的块开始，第2个块位于第1个块的右边，第3个块位于第2个块的下方，依此类推。测量端按从内向外螺旋递增的块序号将100个块均分为三种块类别：内区、中区、外区，分别对应于目标图像X的内、中、外三个区域，相应块类别的块数量分别是33、33、34。若j表示块类别标号(j＝1,2,3)，则内区(j＝1)的块序号从1到33、中区(j＝2)的块序号从34到66、外区(j＝3)的块序号从67到100。从第1个块开始，每隔K＝3个块选择一个块归入交叉子集，其它块归入剩余块集，这样剩余块集与交叉子集的块数量之比近似为2:1。
步骤二：交叉子集的按序逐块观测，统计观测值向量。交叉子集的所有块均采用初始测量率S0，Φ0是一个M0×256大小的高斯随机观测矩阵，其中
Figure BDA0002150999960000052
是交叉子集各块的观测值数量，
Figure BDA0002150999960000053
表示选取不大于且最接近的整数。基于初始测量率S0，从图像中心的块开始，交叉子集按螺旋次序(块序号i＝1,4,7,···)逐块对第i个块xi进行独立的观测，每块均使用高斯随机观测矩阵Φ0，第i个块xi对应的观测值向量yi表示为：yi＝Φ0·xi，大小为M0×1，逐块缓存观测值。当交叉子集执行逐块观测时，观测值统计器分别获取内区、中区、外区三种块类别的观测值向量。由于交叉子集与剩余块集具有相对一致的统计特性，测量端将根据交叉子集中观测值向量的均值加权为剩余块集设置优化测量率。
步骤三：优化测量率的分配，剩余块集的按序逐块观测。测量端在平均测量率保持下，为不同块类别分配各自的优化测量率。测量率分配器分别计算交叉子集内区、中区、外区三种块类别的观测值向量，由此得到均值向量矩阵δ＝[δ1,δ2,δ3]，其中δj为交叉子集中第j种块类别的所有观测值向量的均值向量，j∈{1,2,3}。根据内区、中区、外区的均值加权，测量率分配器按
Figure BDA0002150999960000054
为剩余块集中第j种块类别重新分配优化测量率，式中，||*||1为l1范式，用于计算一个均值向量中所有元素的绝对值之和，允许的最小测量率Smin＝0.01，max(*,*)表示选取其中的最大值，min(*,*)表示选取其中的最小值。剩余块集按螺旋次序(块序号i＝2,3,5,6,8,9···)逐块观测，各种块类别采用各自的优化测量率Sj，对应的Φj是一个Mj×256大小的高斯随机观测矩阵，其中
Figure BDA0002150999960000055
是第j种块类别的观测值数量。属于第j种块类别的第i个块xi的观测输出表示为：yi＝Φj·xi，其中，yi是第i个观测值向量，大小为Mj×1，逐块缓存观测值。
步骤四：观测值的编码。图像中相邻块具有较强的相关性，相邻块在观测域中也具有较强的相关性，多方向预测可以消除观测值之间的冗余。测量端按螺旋次序逐块对当前块的观测值执行多方向预测，从当前块的多方向邻域中选取可用的相邻块，分别计算各个相邻块与当前块的观测值预测残差，从中选择残差最小的预测方向及最佳预测残差。当前块的最佳预测残差采用矢量量化，量化后的数据执行算术熵编码，将压缩数据及辅助信息封装进码流Y，进行存储或传输。重建端在收到码流Y后，采用典型的图像重构算法恢复得到重建图像。在平均测量率保持下，所提方法能够一定程度地提高目标图像X的观测质量，重建图像从而获得更高的峰值信噪比。

Claims (5)

1.一种交叉子集导引的剩余块集测量率调控方法，其特征在于，包括以下步骤：
(1)将目标图像分为若干块，对所有块进行分类，将各块通过块集划分归入交叉子集或剩余块集；具体为：将目标图像分为若干块，并按从内向外螺旋的次序对所有块编排序号，并根据块序号的大小将所有块均分为三种块类别：内区、中区和外区；从第1个块开始，每隔K个块选一个块到交叉子集，其它块归入剩余块集；
(2)使用初始测量率对交叉子集进行按序逐块观测，并统计观测值向量；
(3)根据交叉子集中观测值向量的统计情况为剩余块集设置各类的优化测量率，使用优化测量率对剩余块集进行按序逐块观测，并记录观测值；
(4)各块的观测值按螺旋次序逐块进行多方向预测，执行残差的量化与熵编码。
2.根据权利要求1所述的交叉子集导引的剩余块集测量率调控方法，其特征在于，所述步骤(2)具体为：使用初始测量率以图像中心的块为起点，按螺旋次序逐块进行独立观测，并缓存观测值。
3.根据权利要求1所述的交叉子集导引的剩余块集测量率调控方法，其特征在于，所述步骤(3)具体为：根据交叉子集不同块类别的观测值向量的均值加权，为剩余块集不同块类别的区域分别分配优化测量率，其中，观测值向量均值较大的块类别分配高的优化测量率，观测值向量均值较小的块类别分配低的优化测量率；根据不同块类别的优化测量率，剩余块集按螺旋次序逐块观测，并缓存观测值。
4.根据权利要求3所述的交叉子集导引的剩余块集测量率调控方法，其特征在于，所述分配优化测量率时，每种块类别对应的区域按照
Figure FDA0002959709360000011
其中，||*||1为l1范式，用于计算一个向量中所有元素的绝对值之和；δj为交叉子集中第j种块类别的所有观测值向量的均值向量，Smin为允许的最小测量率，S0表示为初始测量率。
5.根据权利要求1所述的交叉子集导引的剩余块集测量率调控方法，其特征在于，所述步骤(4)具体为：从中心块出发按螺旋次序逐块对观测值执行多方向预测，从当前块的多方向邻域中选取可用的相邻块，分别计算各个相邻块与当前块的观测值预测残差，选择残差最小的预测方向与最佳预测残差，对当前块的最佳预测残差执行量化与熵编码，生成存储或传输的码流。
CN201910701685.5A 2019-07-31 2019-07-31 一种交叉子集导引的剩余块集测量率调控方法 Active CN110418137B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910701685.5A CN110418137B (zh) 2019-07-31 2019-07-31 一种交叉子集导引的剩余块集测量率调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910701685.5A CN110418137B (zh) 2019-07-31 2019-07-31 一种交叉子集导引的剩余块集测量率调控方法

Publications (2)

Publication Number Publication Date
CN110418137A CN110418137A (zh) 2019-11-05
CN110418137B true CN110418137B (zh) 2021-05-25

Family

ID=68364825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910701685.5A Active CN110418137B (zh) 2019-07-31 2019-07-31 一种交叉子集导引的剩余块集测量率调控方法

Country Status (1)

Country Link
CN (1) CN110418137B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106056638A (zh) * 2016-05-18 2016-10-26 信阳师范学院 一种自适应纹理对比度的低复杂度压缩感知图像编码方法
CN106559670A (zh) * 2016-11-07 2017-04-05 湖南源信光电科技有限公司 一种改进的分块视频压缩感知算法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7271747B2 (en) * 2005-05-10 2007-09-18 Rice University Method and apparatus for distributed compressed sensing
US8805106B2 (en) * 2008-09-26 2014-08-12 Futurewei Technologies, Inc. System and method for compressing and decompressing images and video
WO2012044380A2 (en) * 2010-06-18 2012-04-05 William Marsh Rice University Method and apparatus for compressive acquisition and recovery of dynamic imagery
CN105096345B (zh) * 2015-09-15 2017-11-07 电子科技大学 一种基于动态测量矩阵的目标跟踪方法及***
CN106941609B (zh) * 2017-02-15 2019-10-29 浙江工业大学 基于自适应分块压缩感知的视频压缩方法
CN108235020B (zh) * 2018-01-05 2021-07-02 东华大学 一种面向量化分块压缩感知的螺旋式逐块测量值预测方法
CN109448065B (zh) * 2018-10-11 2023-07-25 北京理工大学 一种基于梯度分块自适应测量的压缩感知方法
CN109819258A (zh) * 2019-01-30 2019-05-28 东华大学 一种基于螺旋式扫描的分块压缩感知方向预测编码方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106056638A (zh) * 2016-05-18 2016-10-26 信阳师范学院 一种自适应纹理对比度的低复杂度压缩感知图像编码方法
CN106559670A (zh) * 2016-11-07 2017-04-05 湖南源信光电科技有限公司 一种改进的分块视频压缩感知算法

Also Published As

Publication number Publication date
CN110418137A (zh) 2019-11-05

Similar Documents

Publication Publication Date Title
CN108235020B (zh) 一种面向量化分块压缩感知的螺旋式逐块测量值预测方法
CN102186085B (zh) 视频处理方法、设备和***
FI107682B (fi) Mukautuva lohkokokoisen kuvan kokoonpuristusmenetelmä ja -järjestelmä
US9185423B2 (en) Frame buffer compression for video processing devices
WO2019012363A1 (en) PREDICTION OF QUANTIFICATION PARAMETER PRESERVING VISUAL QUALITY THROUGH DEEP NEURAL NETWORK
EP3363200B1 (en) Data compression
JPH04222186A (ja) ビデオ信号獲得方法とビデオフレーム受信装置
US20160029024A1 (en) Frame buffer compression for video processing devices
US20210099731A1 (en) Neural network based image set compression
Li et al. GPU acceleration of clustered DPCM for lossless compression of hyperspectral images
CN111050022A (zh) 一种高安全性图像传输***及方法
CN108111852B (zh) 面向量化分块压缩感知编码的双测量参数率失真控制方法
CN110418137B (zh) 一种交叉子集导引的剩余块集测量率调控方法
CN107018430B (zh) 用于二进制数据的压缩和解压缩的方法和设备
CN106331719B (zh) 一种基于k-l变换误差空间拆分的图像数据压缩方法
CN110401839B (zh) 一种基于自适应分块压缩感知的星载遥感图像压缩方法
CN101742320B (zh) 图像处理方法
CN116489363A (zh) 基于卷积神经网络的视频双向编码方法
CN101765012B (zh) 图像信息处理方法
CN114463450A (zh) 基于人工智能的计算机图像压缩方法及***
CN107392971B (zh) 基于空隙检验的图像加密效果评估方法
CN114363624B (zh) 一种基于敏感度的码率分配特征压缩方法
CN112383382B (zh) 一种多空间流数据分配的方法及装置
TWI476584B (zh) 雲端平台之監測資料調控方法及系統
EP4325426A1 (en) Imaging method and apparatus, and computer-readable medium

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant