基于活动性度量的小波变换系数的符号预测

北京邮电大学学报 ›› 2001, Vol. 24 ›› Issue (3): 70-73.

基于活动性度量的小波变换系数的符号预测

林胜, 冯景锋, 全子一

北京邮电大学电信工程学院, 北京 100876

收稿日期:2000-10-30 出版日期:2001-10-10
作者简介: 林胜(1973—),男,博士生.
基金资助:

Sign Prediction for Wavelet Transform CoefficientsBased on Activity Measure

LIN Sheng, FENG Jing-feng, QUAN Zi-yi

Telecommunication Engineering School, Beijing University of Posts and Telecommunications, Beijing 100876, China

Received:2000-10-30 Online:2001-10-10
Supported by:

摘要/Abstract

摘要： 对基于小波变换的图像压缩算法的符号编码进行了分析, 针对小波变换后系数符号呈等概分布不利于压缩的问题, 提出了一种使用图像活动性度量的符号预测算法. 实验表明, 符号预测误差信号的概率分布具有不均匀性, 可以提高符号压缩的效率.

关键词: 图像压缩, 小波变换, 符号编码, 预测

Abstract: The sign coding of the image compression algorithm based on the wavelet transform is analyzed.To solve the problem that it is hard to compress the equally distributed wavelet coefficient signs,a sign prediction algorithm is proposed using the activity measure of the image.The simulation indicates that the prediction error has the property of unequally distributed probability, which results to more efficient sign compression.

Key words: image compression, wavelet transform, sign coding, prediction

中图分类号:

TN919.8

林胜, 冯景锋, 全子一. 基于活动性度量的小波变换系数的符号预测[J]. 北京邮电大学学报, 2001, 24(3): 70-73.

LIN Sheng, FENG Jing-feng, QUAN Zi-yi. Sign Prediction for Wavelet Transform CoefficientsBased on Activity Measure[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2001, 24(3): 70-73.

114

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	114

来源	本网站	其他网站

次数	91	23
比例	80%	20%

摘要

最新录用	在线预览	正式出版

0	0	76

	来源	本网站

	次数	76
	比例	100%

[1]	蒲悦逸王文涵朱强陈朋朋. 基于CNN-ResNet-LSTM模型的城市短时交通流量预测算法[J]. 北京邮电大学学报, 2020, 43(5): 0-0.
[2]	张志华王梦情毛文涛刘春红程渤. 基于时序相关性的云平台多负载序列联合预测[J]. , 2020, 43(4): 68-75.
[3]	王璇, 侯蓉晖, 徐伟琳. 低轨卫星网络动态路径切换技术[J]. 北京邮电大学学报, 2020, 43(2): 80-86,109.
[4]	任佳智, 田辉, 聂高峰. 基于本地内容流行度预测的主动缓存策略[J]. 北京邮电大学学报, 2020, 43(1): 80-91.
[5]	徐九韵, 孙忠顺, 张如如. 基于链路预测的手机节能方法[J]. 北京邮电大学学报, 2020, 43(1): 8-13,27.
[6]	胡铮, 刘奕杉, 朱新宁, 于建港. 基于用户行为序列特征的位置预测模型[J]. 北京邮电大学学报, 2019, 42(6): 149-154.
[7]	彭岩, 赵梓如, 吴婷娴, 王洁. PM_2.5浓度预测与影响因素分析[J]. 北京邮电大学学报, 2019, 42(6): 162-169.
[8]	谢丽霞, 汪子荧. 一种在线集群异常作业预测方法[J]. 北京邮电大学学报, 2019, 42(5): 62-68.
[9]	张晖, 刘姝, 赵海涛, 孙雁飞. 超密集场景下考虑业务动态的功率匹配算法[J]. 北京邮电大学学报, 2019, 42(5): 48-53.
[10]	张金玲, 崔彤, 刘为斌. 基于自适应时间窗函数优化的心电特征波形识别[J]. 北京邮电大学学报, 2019, 42(4): 82-88.
[11]	帅千钧, 王润泽, 王克勤, 金立标. CDNs基于缓存区预测机制的负载均衡算法[J]. 北京邮电大学学报, 2019, 42(4): 109-113.
[12]	黄晓芙, 曹健, 谭煜东. 基于频繁活动集序列编码业务过程预测性监控[J]. 北京邮电大学学报, 2019, 42(4): 1-7.
[13]	仇利克, 刘竞, 孙中卫, 赵扬帆. 一种快速的特征选择框架和方法[J]. 北京邮电大学学报, 2019, 42(3): 127-132.
[14]	任帅, 王震, 徐振超, 苏东旭, 贺媛. 一种基于OBJ三维模型纹理贴图的信息隐藏算法[J]. 北京邮电大学学报, 2019, 42(1): 22-27.
[15]	许同乐, 王营博, 孟祥川, 宋汝君. 改进的灰色神经网络预测方法[J]. 北京邮电大学学报, 2018, 41(6): 52-57,64.