مدلسازی منابع تنک غیرموکد با استفاده از توزیع های دنباله دار (KBEI-2016)
Publish Year: 1396
Type: Conference paper
Language: Persian
View: 426
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
KBEI04_237
Index date: 9 March 2019
مدلسازی منابع تنک غیرموکد با استفاده از توزیع های دنباله دار (KBEI-2016) abstract
امروزه فشرده سازی با تلف به صورت گسترده در بسیاری ازاستانداردهای فشرده سازی تصویر و ویدئو در قالب روشهای کدگذاری تبدیل به کار گرفته میشود. اغلب داده های خام در فضای تبدیل نمایشی تنک دارند.در نظر گرفتن ویژگی تنک بودن سیگنال در فضای تبدیل میتواند نقش اساسی در بهبود روشهای فشرده سازی داشته باشد. با ظهور تئوری نمونه برداری فشرده برای منابع تنک، یافتن یک مدل مناسب برای این منابع وارزیابی تئوری نرخ اعوجاج برای آنها میتواند گامی موثر در یافتن کرانهای فشرده سازی و استفاده از آنها در ارایه راهکارهای عملی در زمینه هایی ازجمله نمونه برداری فشرده و در حالت کلی فشرده سازی با اتلاف فراهم آورد.در این مقاله توزیعهای آماری دنباله دار برای مدلسازی منابع تنک غیر موکدپیشنهاد شده است. مقایسه با هیستوگرام نمونه های واقعی نشان میدهد که توزیع های پیشنهاد شده داده های واقعی را به خوبی توصیف میکنند. از آنجایی که تبدیل کسینوسی گسسته از دیرباز به عنوان یک تبدیل موثر برای نا هم بسته سازی داده ها در قالب کدگذار تبدیل به کار گرفته میشود، از ضرایب تبدیل کسینوسی گسسته تصاویر واقعی برای تخمین پارامترهای مدل استفاده شده است. در نهایت منحنیهای نرخ- اعوجاج که بستر مناسبی برای ارزیابی هر روش فشرده سازی با تلف است، به دست آمده است.
مدلسازی منابع تنک غیرموکد با استفاده از توزیع های دنباله دار (KBEI-2016) Keywords:
مدلسازی منابع تنک غیرموکد با استفاده از توزیع های دنباله دار (KBEI-2016) authors
مسعود آرامیده
دانشکده مهندسی ، دانشگاه شهید چمران اهواز اهواز، ایران
احسان نامجو
دانشکده مهندسی ، دانشگاه شهید چمران اهواز اهواز، ایران