文献

J-GLOBAL ID：201802235526287434   整理番号：18A0518994

辞書学習に基づく画像圧縮【Powered by NICT】

Dictionary learning-based image compression

著者 (3件)： Wang Hao (Shaanxi Key Lab of Speech & Image Information Processing (SAIIP), School of Computer Science, Northwestern Polytechnical University, Xi’an 710072, China) ,  Xia Yong (Shaanxi Key Lab of Speech & Image Information Processing (SAIIP), School of Computer Science, Northwestern Polytechnical University, Xi’an 710072, China) ,  Wang Zhiyong (Biomedical and Multimedia Information Technology (BMIT) Research Group, School of Information Technologies, University of Sydney, NSW 2006, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 3235-3239  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 辞書学習に基づく画像圧縮は,画像コンテンツの固有のスパース性のために研究努力がされている。しかし,文献における多くのアルゴリズムは,二つの欠点に悩まされている。最初に,画像パッチ再構成のための選択された原子は全辞書,高い符号化コストをもたらす上で散乱する。第二に,画像パッチの疎表現は疎な係数の量子化,準最適解をもたらすから独立して行った。本論文では,エントロピーに基づく直交マッチング追跡(EOMP)アルゴリズムと辞書学習に基づく画像圧縮のための量子化KSVD(QKSVD)アルゴリズムを提案した。エントロピー正則化項を原子選択を制限するEOMPで利用されている,符号化コストを低減し,適応量子化法はQKSVDにおける辞書学習手順に組み込まれた同時に再構成誤差と量子化誤差を最小化することである。10標準ベンチマーク画像上での実験結果は筆者らの提案アプローチは低ビットレートでのいくつかの最先端のものより良好な性能を達成することを実証する,KSVDベース圧縮手法,JPEGおよびJPEG-2000のような。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 適応量子化 ,  正則化 ,  *画像 ,  JPEG ,  エントロピー ,  量子化 ,  量子化誤差 ,  アルゴリズム ,  *画像圧縮 ,  再構成 ,  符号化
準シソーラス用語： 直交マッチング追跡 ,  スパース表現 ,  スパース性 ,  *辞書学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 辞書学習 ,  画像圧縮