基于三维模型的图像集压缩编码

基于三维模型的图像集压缩编码

ID:35189019

大小:7.42 MB

页数:64页

时间:2019-03-21

基于三维模型的图像集压缩编码_第1页
基于三维模型的图像集压缩编码_第2页
基于三维模型的图像集压缩编码_第3页
基于三维模型的图像集压缩编码_第4页
基于三维模型的图像集压缩编码_第5页
资源描述:

《基于三维模型的图像集压缩编码》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、:琴r軍—夺因钟每名来大赛UniversityofScienceandTechnologyofChina硕±学位论文戀基子王维横型的固像集论文题巨庄输繞巧作者姓名信息与通倍工程学科专业李4?曼教援导师姓名^二〇一六年五月完成时间々木固#赛若来大赛硕±学位论文參基于H维模型的图像集压缩编招作者姓名:iLS学科专业:信息与通信工程导师姓名:李厚强教授—完成时间:二〇六年五月UniversityofScienceandTechnolo

2、gyofChinaAidissertationfo「mastersdereeg#Imaesetcomressionbasedongp3DmodelAuthor:TonShaogSecialit:Info.&Comm.EnineerinpyggSuervisor:Prof.HouianLipqgFinishedTime:Ma2016y,中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文,是本人在导师指导下进行研究工作所取得的成果。除己特别加W标注和致谢的地方外,论文中

3、不包含任何他人己经发表或撰写过的研巧成果一。与我同工作的同志对本研巧所做的贡献均己在论文中作了明确的说明。作者签名:签字日期:观心呵中国科学技术大学学位论文授权使用声明一作为申请学位的条件之-学位论文著作权拥有者授权中国科学技术大学,目P拥有学位论文的部分使用权:学校有权按有关规定向国家有关部口或机构送,交论文的复印件和电子版,允许论文被查阅和借阅可W将学位论文编入《中国学位论文全文数据库》等有关数据库进行检索,可W采用影印、缩印或扫描等复制手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相一致。保密的学位

4、论文在解密后也进守此规定。\开□保密9^年作者辕名:导师签名:姑今签字日期:laliU签字日期;zoliU摘要摘要随着当今互联网时代下云计算和云存储的飞速发展,网络云端存在的大量图像数据给业界带来了巨大的存储压力。与此同时,这些数据中包含大量的相似图像一。它们通常在云端W團像集的形式姐织和存储,集合内的图像包含同个场一景对象,具有较强的相关性和定的差异性。现有的图像集压缩方法普遍采用的二维几何变换模型不够准确,难W有效压缩差异性较大的网络图像窠:类比成视频序列进行预测编码,复杂度较髙。因此,为了更加有效的去除相似

5、围像间的冗一余,本文提出了种全新的基于H维模型的国像集压缩编码方案。根据Wyner提出的共性信息理论,该方案首先采用H维点云来表示图像集内所有图像的共性信息,随后参考共性信息来编码每张图像。更具体的,该方案首先采用尸Ao化扔系统重建出图像集的H维点云,即场景对象的几何信息,同时估计出图像的摄像机参数。随后,采用基于上下文学习的方法,从图像集中一一,a选择定数量的代表性国像使用HEVCintr独立编码。最后,本文设计了一种基于H维模型的图像间预测方法,编码非代表性图像:从代表性图像中选择张最为相似的图像-H维-;通过H维模型将其依次进巧

6、匹配像素点对、二维二维图像映射、光照补偿的过程,HEVC生成当前图像的预测inter,:采用模式参考生成的预测團像一,对当前图像再进行次局部运动补偿下的预测编码。该系统在^个公开数据集民061^8〇31、化崎6811、1^0化6〇311[16上进行实验,并与JPEG、HEVCintra及最新的图像集压缩编码方法进行对比,展现出了较为明显的性能提升。个人照片集RockBoat和Herzjesu比HEVCintra提商约10%,编码效率是JPEG的3倍;数据集Herzjesu在考虑H维模型存储开销的情况下,本文的方法比当前最优的方法提升

7、了化3%;对于差异性较大的网络图像数据集NotreDame,现有方法受限于分辨率无法直接编码,而本文的方法与HEVCintra相比码率减少了1.8%。与此同时,分別针对代表性图像选择、基于H维模型的预测方法等模块的实验充分验证了各个模块的重要作用。实验结果表明,代表性围像选择模块具有显著的作用:当小数据集选择3到5张代表性圍像、大数据集选5%*择图像集图像总数量的10%时,图像集总体编码效率接近最优。此外NotreDame数据集上的实验表明,当云端存在高质量参考时,基于H维模型的预测方法性能优异,单张困像相比HEVCintra

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。