导读:本文包含了压缩编码技术论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:数字电视,视频压缩,技术,张量,全息,前缀,矩阵。
压缩编码技术论文文献综述
黎华[1]（2019）在《以压缩感知为基础的语音数字编码技术》一文中研究指出语音通信是当前社会发展中基本通信方式之一,实现高质量语音通信的根本在于计算机、电子技术等相关科技领域的发展。文章指出语音数字编码技术主要用于将原本模拟信号的语音转化为数字信号形式,方便用户对语音进行处理、传输以及存储。文章基于压缩感知,对语音编码技术进行详细分析。(本文来源于《无线互联科技》期刊2019年21期）
王洪军[2]（2019）在《超高清数字电视视频压缩编码技术与发展趋势分析》一文中研究指出文章主要针对超高清数字电视视频压缩编码技术与发展趋势进行分析,结合当前社会经济发展现状,从多个角度深入研究与探索,在了解超高清数字电视视频压缩编码技术核心的同时,更好的掌握其主要发展趋势,为我国广播电视行业的发展创建良好条件。(本文来源于《数字通信世界》期刊2019年11期）
原彤彤[3]（2019）在《图像序列的压缩编码技术及系统》一文中研究指出在数字图像传输系统的设计过程中通常会用到图像压缩编码技术。目前,市场上的图像传输系统多采用制式视频编码协议(如H.264、H.265等)来实现视频流数据压缩,此类编码协议均是通过去除图像帧间冗余的方式来减少数据量的,不适用于航空军事侦察、卫星遥感、箭载视频等对图像动态随机访问能力和质量要求较高的领域。因此,我们设计了基于图像序列的压缩编码系统,将视频数据看作连续的单帧静态图像,并对每一帧图像都进行编码处理,以求获得更好的压缩效果。在技术方面,系统中采用了JPEG2000压缩算法来进行图像编码。相较于SPIHT、JPEG等其他压缩算法而言,JPEG2000具有支持图像渐进传输、兼容有损压缩和无损压缩两种编码模式、支持感兴趣区域编码等优势,可以对不同特征(如自然图像、计算器图形、医疗图像、遥感图像、复合文本等)和不同类型(如二值、灰度、彩色等)的静态图像进行高效压缩并获得较好质量的重构图像。在系统设计方面,我们采用“FPGA+ADV212专用集成芯片”的处理架构来实现图像序列的编解码过程,具有体积小、质量轻、压缩倍率高、编码速度快等特点,并支持灵活调整输入图像数据格式、压缩模式(选择有损压缩或无损压缩)、压缩倍率等关键参数,具有极高的灵活性。除此之外,论文中还讨论了基于STEL-1109和STEL-2105芯片的QPSK调制与解调系统的设计过程,用于实现压缩码流的远程传输。(本文来源于《中北大学》期刊2019-06-01）
杨可[4]（2019）在《一种具有随机存取能力的压缩编码技术》一文中研究指出随着计算机的飞速发展,全社会越来越依赖信息。海量的信息带来了海量的数据,如何处理这些数据成为了一个备受重视的问题。而数据压缩也日渐成为一个体系成熟、成果丰硕的研究领域。然而,在以往的研究中,人们的关注重点大多在于编码速率、压缩率等指标。实际上,由于当今时代信息的更新速度非常快,所以如何快速的在压缩后的文件中查找到所需的信息也是一个极为重要的课题。对于这个问题,虽然已经有一些研究成果出现,但是,已知的解决方案都需要使用辅助信息来达到这一目的,也就是说,现存的解决方案都需要牺牲一定的空间。针对这个问题,本文给出了一种压缩体系,它可以适用于任何前缀编码,特别地,可以应用在哈夫曼编码上。该体系可以在不改变原有编码压缩率的前提下,使其获得一定的随机存取能力。据我们所知,这是第一种可以对压缩后的数据进行随机访问而不增加文件的存储空间的压缩方法。本文所提的压缩方法实际上是改变了编码过程中一些比特位的存储顺序。在本文中推荐了一些可以应用该压缩体系的编码算法。虽然本文在各种过程演示中使用的是哈夫曼编码的码本,然而在给定码本的情况下,通过本文给出的编码算法即可得到相应的改进后的压缩技术。在压缩算法的设计过程中,本文给出了一个预处理算法,适用于任何分块思想,可以实现在理论上给块分配小数比特空间。本文将所提出的压缩体系运用在哈夫曼编码上,之后在真实数据卡尔加里语料库上做了仿真测试。在我们的模拟结果中,本文所提的压缩技术可以达到0.57的压缩率,而检索一个符号只需要读取200比特数据。检索一个符号的平均代价是未压缩文本所占空间的4.5 × 10-5倍,也即相应哈夫曼编码所需的10-4倍,证明该方法在真实数据的文本压缩上有良好的性能。(本文来源于《中国科学技术大学》期刊2019-05-31）
王雨晨[5]（2019）在《基于张量分解的视频压缩与空时编码技术研究》一文中研究指出近些年,无线通信领域对数据传输性能有了更高的要求,多输入多输出(Multiple-Input Multiple-Output,MIMO)技术作为该领域的关键技术,一直是研究的热点。MIMO系统的收发信号在时间、空间、频率等维度上形成的高维阵列信号在使用传统的矢量或矩阵等方式建模时会有局限性,而采用张量(tensor)的方式建模高维数据的研究越来越受到关注。目前已有一些文献针对不同无线传输系统提出多种张量空时编码模型,其中一些模型在未知信道状态下能够获得较好的符号检测性能。在数字图像处理领域,彩色图像或视频等数据都具有天然的高维结构,这也使张量的方法很容易对其建模并降低高维数据的冗余,目前已有一些文献提出用张量不同的分解模型来实现图像视频压缩。本文研究讨论了张量空时编码及张量视频压缩的特性,提出了一种结合张量视频压缩和张量空时编码的无线传输方案,论文的主要工作如下:1)研究了张量CP分解技术,并采用渐进式秩-1CP分解算法对CIF和QICF视频进行压缩。分析讨论了渐进式分解迭代误差、最大迭代次数、量化参数等因素对视频压缩性能的影响,并获得了优于H.264的压缩性能。2)研究了 Tucker分解模型及其变体,分析模型在张量空时编码中的物理含义。对约束因子(constrained factor,CONFAC)模型的性质及求解唯一性进行了详细的讨论,使接收端在没有导频估计信道的条件下进行盲恢复,并通过设计分配矩阵使不同数据流获得了不等的分集增益、复用增益、编码增益。3)分析采用渐进式秩-1CP分解压缩视频的参数特性,并定义其重要度。提出结合张量视频压缩和张量空时编码的无线传输方案,让视频压缩参数按重要度排序并组成若干数据流,通过CONFAC模型的分配矩阵为重要度高的数据提供更好的传输性能,以此实现低信噪比时更好的视频恢复质量。(本文来源于《北京邮电大学》期刊2019-03-30）
何永洋[6]（2018）在《基于离散小波变换的图像压缩感知编码技术研究》一文中研究指出压缩感知(Compressed Sensing,CS)理论突破了奈奎斯特采样定理的限制,可以在对信号进行采样的同时完成对信号的压缩,并被应用于图像编码领域。本文对图像压缩感知编码算法的构造稀疏矢量和测量矩阵等方面进行了研究,提出了叁种不同的编码算法,主要创新点如下:(1)提出了一种图像多级小波全子带压缩感知编码算法。在编码端,对进行多级小波变换的图像,构造使用小波变换全子带系数的稀疏矢量,即使用一个低频系数,一个最高层高频子带及其所有子孙系数来构造稀疏矢量,根据高频子带对重建图像的不同重要性来设计权值矩阵,改进测量矩阵,进而对稀疏矢量进行压缩观测;在解码端,提取重建的稀疏矢量的第一个系数进行均值处理得到低频子带,再与还原的高频子带进行多级小波反变换后得到重建图像。(2)提出了一种基于局部重要性的分块小波变换压缩感知编码算法。该算法将图像块方差与纹理的相关性和人的感兴趣区域(ROI)作为局部重要性的参数。在编码端,对图像进行相同大小的不重迭分块后,按照方差大小和ROI将图像块分为k类,并结合图像总体要求设置测量率为k个;对图像块进行小波变换,保留低频子带,将高频子带堆迭为一维稀疏矢量,按照该块所属图像块类别选择对应的测量率进行压缩观测;在解码端,重建高频子带,并与低频子带一起进行小波反变换得到图像块,最后将所有图像块合并得到重建图像。(3)提出了一种基于小波包分解的全子带压缩感知编码算法。该算法使用小波包分解对图像进行稀疏表示,同时完成分块。在编码端,对图像进行小波包分解,构造使用小波包分解全子带系数的稀疏矢量,即由全部子带位于同一位置的系数来构造稀疏矢量,计算每个子带的能量作为该子带的权值,并将所有子带权值堆迭为权值矩阵,用于改进测量矩阵,进而对构造的稀疏矢量进行压缩观测;在解码端,重建稀疏矢量,并还原到小波包系数矩阵中,最后对系数矩阵进行小波包重构得到重建图像。为了验证以上所提到的叁个算法性能,本文进行了详细的算法仿真以及结果分析。结果表明本文所提出的叁个算法均具有很好的主观视觉效果和PSNR。本文最后总结了全文的工作,分析了叁个算法进一步改进之处,以及以后的研究方向。(本文来源于《南京邮电大学》期刊2018-11-14）
高阳[7]（2018）在《高清数字电视视频压缩编码技术的探究》一文中研究指出在科学技术发展的大力推动之下,我国已经逐步实现对超高清数字电视的使用。与传统电视相比,在分辨率上高清数字电视所占据的优势相当明显。可将更加丰富的生活提供给人民群众,较大的容量信号数据装置是高清数字电视在运行过程中,用于满足高分辨率的必要装置,上述目标需要得到电视压缩编码技术的支撑。本文主要针对高清数字电视视频压缩编码技术进行进一步分析,这对高清数字电视的进一步发展有相当重要的意义。(本文来源于《电视指南》期刊2018年13期）
顾华荣[8]（2018）在《计算全息叁维显示的数据压缩编码技术》一文中研究指出全息叁维显示能够重建真实场景的光场,提供全部的深度感,成为真叁维显示的最佳解决方案之一。计算全息叁维显示只需要知道物光波的数学描述,可以灵活地控制波前,显示出虚拟的叁维物体。但是,巨大的数据量和计算量阻碍了计算全息叁维显示的实用化。文中提出了计算全息叁维显示中多个环节的数据压缩编码技术,包括叁维物体的稀疏采样、全息叁维视频压缩编码的优选和参数优化、全息图分形压缩算法,有效地压缩了数据量,并利用GPU的并行运算能力实现了全息图的快速计算。(本文来源于《红外与激光工程》期刊2018年06期）
范成军[9]（2017）在《超高清数字电视视频压缩编码技术与发展趋势》一文中研究指出伴随着信息技术的不断发展,超高清数字电视呈现出了强劲的增长势头。分析其中的原因,就在于超高清数字电视能够提供更好的视听享受,让观众看的更清楚。而实现这一目标的技术,就是视频压缩编码技术。本文首先介绍了超高清数字电视视频压缩编码技术的,然后对其基本核心技术进行了分析,并对今后的发展趋势进行了预测。(本文来源于《电子测试》期刊2017年24期）
张涛[10]（2017）在《视频压缩中的高效帧内编码技术研究》一文中研究指出随着互联网技术以及移动端设备的不断发展,以图像/视频为主要载体的多媒体应用层出不穷,如数字电视,互联网视频,虚拟现实,视频直播等。这些多媒体应用已经逐渐成为人们生活中不可或缺的部分。海量的视频对于视频数据的存储和传输提出了更大的挑战。为了高效地对视频进行存储和传输,视频编码技术在其中起着重要作用,这也使得对视频编码技术的研究一直是学术界和工业界的热点。为了更加高效地对日益普及的高清和超高清视频进行压缩,新一代国际视频编码标准HEVC(High Efficiency Video Coding)于2013年正式发布,与上一代国际视频编码标准H.264/AVC相比,在相同的主观质量下,能进一步获得50%左右的码率节省,大大提升了视频压缩的性能。2014年,国内AVS工作组发布了我国第二代视频编码标准AVS2,主要是针对超高清视频。AVS2能够获得与HEVC相近的编码性能。然而,由于这些新的编码标准中都采用了更加灵活的编码单元划分结构,更加精细的帧内预测模式等技术使得编码性能得到较大提升的同时也带来了较高的编码复杂度。因此,如何有效地对编码器进行优化从而降低编码复杂度对实际应用显得至关重要。同时,随着高画质视频的逐步普及,未来的视频压缩标准需要处理数据量更加庞大的视频,因此,在现有视频编码标准的基础上继续提高视频压缩效率仍然具有很重要的意义。帧内编码作为视频编码标准中的核心模块之一,如何高效地对其进行优化对整个视频编码具有重要的作用。本文从降低帧内编码的复杂度以及提升帧内编码性能等角度展开深入的研究。具体的研究内容分为以下四个部分:第一,本文提出了快速的帧内模式和编码单元决策方法用于降低帧内编码的复杂度。目前最新的视频编码标准中的帧内编码引入了大量的预测模式(HEVC中引入35个模式,AVS2中引入33个模式),同时编码单元都采用了基于四叉树的划分结构。由于最佳的预测模式和编码单元划分是在编码端通过率失真优化过程得到,这将大大增加帧内编码的复杂度。为了在不影响压缩性能的条件下降低最新标准中帧内编码的复杂度,本文提出了快速帧内模式决策方法和快速编码单元划分决策方法。在快速帧内模式决策方法中,基于平均梯度的方法被提出来用于减少需要进行粗模式选择和率失真优化过程的模式的数量,从而有效地降低帧内模式决策的复杂度。在快速编码单元划分决策方法中,首先,纹理平滑的编码块被提前检测出来,直接选择较大的编码单元进行编码;其次,对于非平滑的编码块,本文利用加权的线性SVM进行编码单元的提前划分决策;最后,对于没有被提前划分的编码单元,另一个加权的线性SVM被用来进行编码单元提前终止的决策。实验结果表明,在全帧内编码配置条件下,本文提出的方法相比于HEVC的参考软件HM-14.0,可以减少50%以上的编码时间,同时对压缩性能的改变可以忽略。第二,本文提出了基于局部和非局部相关性的混合帧内预测方法用于提升帧内预测的性能。现有视频编码标准中的方向预测模式能够对具有方向性纹理的块进行较好的预测,planar模式(或者plane模式)和DC模式用于对平滑块进行预测。然而,对于更加复杂的编码块,现有标准中的帧内预测将不再高效。为了提高现有视频编码标准中的帧内预测的编码效率和为下一代视频编码标准的制定做技术储备,基于对复杂编码块的分析,本文提出了基于局部和非局部相关性的混合帧内预测方法,该方法包括叁个部分:1)自适应的模板匹配预测方法,利用非局部相关性用于复杂纹理块的预测;2)联合局部和非局部相关性的预测方法,用于对既有复杂纹理又有较强方向纹理的块进行预测;3)基于邻近模式相结合的预测方法,利用更多的局部相关性用于对模糊的块进行预测。实验结果表明,与HEVC的参考软件HM-14.0相比,在全帧内编码配置下,本文提出的混合帧内预测平均能够获得3%左右的码率降低。第叁,本文提出了自适应的色度预测方法用于提升帧内色度预测的性能。目前主流视频编码器的输入视频格式为YCb Cr420。为了去除Y,Cb和Cr这叁个信道之间的冗余,线性模型(Linear Model,LM)模式被提出来利用已经编码重建的亮度块Y来预测待编码的色度块Cb和Cr。考虑到LM模式中参数估计存在的一些不足,本文提出了自适应的模板选择方法用于提高LM中参数估计的准确性,从而提升色度Cb和Cr的预测性能。考虑到LM模式没有利用色度分量之间的相关性,本文提出了自适应的Cr预测方法用于进一步提升Cr分量的预测性能。具体来说,在进行Cr预测时,本文不仅利用已重建的Y和Cr之间的相关性,同时也考虑了已重建的Cb和Cr之间的相关性。实验结果表明,本文提出的改进方法相比于LM在性能上有了进一步的提升,同时提出方法对编解码复杂度的影响可以忽略。第四,本文提出了信号依赖的自适应帧内变换用于提升帧内变换的性能。传统视频编码中采用的都是信号不依赖的变换。例如,DCT和DST被用于HEVC帧内预测之后残差的变换,AVS2则主要采用了DCT变换。虽然固定变换DCT/DST在特定条件下已经被证明近似于最优的KLT变换,然而它们是信号不依赖的变换,仍然不能够很有效地适应自然视频图像动态波动的特性。针对当前固定变换的这种局限性,本文提出了基于奇异值分解(SVD)的信号依赖的帧内变换方法。提出的方法利用基于预测块生成的合成块与残差块之间的结构相似性,对合成块进行SVD得到一对变换矩阵,然后将该变换矩阵用于对应的残差块的变换中。因此,提出的变换对残差块具有一定的自适应性。此外,本文进一步将提出的自适应变换扩展到基于模板匹配的预测残差中,用于提升模板匹配中残差变换的性能。实验结果表明,本文提出的方法能够提升现有视频编码标准中帧内变换性能,从而提升了帧内编码的性能。(本文来源于《哈尔滨工业大学》期刊2017-01-01）
压缩编码技术论文开题报告
（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：
文章主要针对超高清数字电视视频压缩编码技术与发展趋势进行分析,结合当前社会经济发展现状,从多个角度深入研究与探索,在了解超高清数字电视视频压缩编码技术核心的同时,更好的掌握其主要发展趋势,为我国广播电视行业的发展创建良好条件。
（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。
压缩编码技术论文参考文献
[1].黎华.以压缩感知为基础的语音数字编码技术[J].无线互联科技.2019
[2].王洪军.超高清数字电视视频压缩编码技术与发展趋势分析[J].数字通信世界.2019
[3].原彤彤.图像序列的压缩编码技术及系统[D].中北大学.2019
[4].杨可.一种具有随机存取能力的压缩编码技术[D].中国科学技术大学.2019
[5].王雨晨.基于张量分解的视频压缩与空时编码技术研究[D].北京邮电大学.2019
[6].何永洋.基于离散小波变换的图像压缩感知编码技术研究[D].南京邮电大学.2018
[7].高阳.高清数字电视视频压缩编码技术的探究[J].电视指南.2018
[8].顾华荣.计算全息叁维显示的数据压缩编码技术[J].红外与激光工程.2018
[9].范成军.超高清数字电视视频压缩编码技术与发展趋势[J].电子测试.2017
[10].张涛.视频压缩中的高效帧内编码技术研究[D].哈尔滨工业大学.2017
论文知识图
