北京航空航天大学学报
北京航空航天大學學報
북경항공항천대학학보
2006年
5期
598-602
,共5页
图像压缩%支持向量机%小波变换%熵编码
圖像壓縮%支持嚮量機%小波變換%熵編碼
도상압축%지지향량궤%소파변환%적편마
提出了一种结合支持向量机(SVM,Support Vector Machines)回归与小波变换的新的静态图像压缩方法.SVM回归方法可以学习原始数据之间的相关性,并采用小部分训练样本,即支持向量来稀疏表示原始数据集,利用这一特性来逼近和约减小波系数,可以达到数据压缩的效果.首先采用小波变换把原始图像分解成不同尺度的多个子带,由于最低频子带系数非常重要,采用DPCM直接编码,然后对其它频带系数采用SVM回归进行压缩.由于不同尺度和方向的小波系数特征不同,为尽可能去除小波系数间的各种相关性,给出了适合SVM回归的小波系数的有效组织方式.最后研究了支持向量及其相应权重的混合编码方法.实验结果表明:与同类压缩方法相比,本算法获得的恢复图像的主客观质量有明显提高.
提齣瞭一種結閤支持嚮量機(SVM,Support Vector Machines)迴歸與小波變換的新的靜態圖像壓縮方法.SVM迴歸方法可以學習原始數據之間的相關性,併採用小部分訓練樣本,即支持嚮量來稀疏錶示原始數據集,利用這一特性來逼近和約減小波繫數,可以達到數據壓縮的效果.首先採用小波變換把原始圖像分解成不同呎度的多箇子帶,由于最低頻子帶繫數非常重要,採用DPCM直接編碼,然後對其它頻帶繫數採用SVM迴歸進行壓縮.由于不同呎度和方嚮的小波繫數特徵不同,為儘可能去除小波繫數間的各種相關性,給齣瞭適閤SVM迴歸的小波繫數的有效組織方式.最後研究瞭支持嚮量及其相應權重的混閤編碼方法.實驗結果錶明:與同類壓縮方法相比,本算法穫得的恢複圖像的主客觀質量有明顯提高.
제출료일충결합지지향량궤(SVM,Support Vector Machines)회귀여소파변환적신적정태도상압축방법.SVM회귀방법가이학습원시수거지간적상관성,병채용소부분훈련양본,즉지지향량래희소표시원시수거집,이용저일특성래핍근화약감소파계수,가이체도수거압축적효과.수선채용소파변환파원시도상분해성불동척도적다개자대,유우최저빈자대계수비상중요,채용DPCM직접편마,연후대기타빈대계수채용SVM회귀진행압축.유우불동척도화방향적소파계수특정불동,위진가능거제소파계수간적각충상관성,급출료괄합SVM회귀적소파계수적유효조직방식.최후연구료지지향량급기상응권중적혼합편마방법.실험결과표명:여동류압축방법상비,본산법획득적회복도상적주객관질량유명현제고.
