导读:本文包含了视频图像压缩论文开题报告文献综述及选题提纲参考文献，主要关键词:小波包算法,图像处理,图像编码,图像压缩
视频图像压缩论文文献综述
王晟全,陈济颖,李昂,郑宝玉,刘信科[1]（2019）在《基于小波包算法的视频图像压缩技术的研究》一文中研究指出随着信息技术的快速发展,视频图像压缩技术也在改变。小波变换有着明确的物理意义,是一种非常优秀的图像压缩算法。人们拍摄的原图像通常包含一些多余的信息,这些多余信息使得数据传输规模越来越大,同时也使得图像传输的成本大大增加,给图像的存储与传输带来巨大压力。因此,寻找一种有效的图像压缩算法至关重要,文中就小波算法和其他图像压缩技术作了比较。(本文来源于《物联网技术》期刊2019年11期）
郝小龙,冯敏,樊强,彭启伟,韩斌[2]（2019）在《基于深度学习的视频图像再压缩方法》一文中研究指出传统的视频图像压缩方法主要是针对视觉数据本身进行压缩,对帧间数据的压缩比例不高。本文提出一种基于深度学习技术的针对视频片段数据的压缩方法,在传统压缩方法的基础上对构成视频片段的视频帧序列进行进一步的高比例压缩。首先基于时空卷积神经网络对视频帧序列进行分类,将视频片段分为剧变、渐变和普通叁个类别,再对普通类别的视频片段进行处理以提取关键帧并用关键帧表达该视频片段的信息。在重构质量相同的情况下,本文提出的方法可将H.264/AVC和HEVC编码标准的平均码率分别降低57.62%和8.37%。(本文来源于《电子设计工程》期刊2019年11期）
闫晓茹,徐刚[3]（2019）在《基于场景差异与小波分解的视频图像压缩传输方法研究》一文中研究指出本文提出图片动态差异提取法,采用小波变换对差异图片进行分解,传输时根据动态差异的大小,选择发送小波变换的细节部分,或者近似细节部分。接收端根据图像动态差异,选择合适的近似部分,与细节部分重新构成新的图片。实验表明,与传统图像传输的方法相比,本方案可以有效提高传输的效率,降低系统传输的成本。(本文来源于《数字技术与应用》期刊2019年05期）
龚家举[4]（2019）在《基于压缩感知的多媒体视频图像去噪方法研究》一文中研究指出目前,多媒体视频图像是信息传递的重要手段之一。但是,部分视频图像中的噪声严重影响了信息传递,而常规去噪方法的效果不理想。因此,提出了基于压缩感知的多媒体视频图像去噪方法。结合压缩感知理论,通过全变分图像去噪、离散小波正交变换和Shannon/Nyquist采样,完成图像去噪处理。经过实验分析,与常规去噪方法相比,此方法更能发挥稀疏集合的优势,大大降低了采样率和降噪处理的成本,并获得了比较好的去噪效果。(本文来源于《信息与电脑(理论版)》期刊2019年04期）
谭翠媚,许廷发,马旭,张宇寒,王茜[5]（2018）在《图-谱结合的压缩感知高光谱视频图像复原》一文中研究指出针对液晶可调滤波片高光谱成像系统记录动态场景的成像特点,提出一种图-谱结合的压缩感知高光谱视频图像复原方法。首先,通过前景目标检测获得运动前景目标的高光谱图像,实现运动前景目标与背景区域分离,并根据前景目标检测结果将背景区域划分为运动区域(被前景目标遮挡区域)与静止区域(未被前景目标遮挡区域)。然后,基于高光谱图像空间维、光谱维相关性,对静止区域进行字典学习获得稀疏先验信息,结合压缩感知理论用于运动区域恢复,得到完整的背景区域高光谱图像。最后,将运动前景目标高光谱图像与背景区域高光谱图像相结合,得到高光谱视频图像。实验结果表明:本文提出的高光谱视频图像复原方法在峰值信噪比和视觉效果上都要优于现有算法,峰值信噪比平均提高5 d B以上。(本文来源于《中国光学》期刊2018年06期）
宫海晓,贺杰,耿德志[6]（2018）在《低码率分形视频图像分层压缩方法仿真》一文中研究指出对分形视频图像进行分层压缩,能够有效降低低码率分形视频图像传输的失真率。对低码率分形视频图像的分层压缩,需要先图像进行二维小波转换操作,在图像传输过程插入弯曲小波系数,完成图像传输的差错隐藏。传统方法对灰度图像量化表进行增加,改进视频编码中的编码器,但忽略了对图像传输小波系数的求取,导致差错隐藏精度偏低。提出低码率分形视频图像分层压缩方法,将彩色的图像进行灰度转换,利用梯度搜索将搜索结果中最大的梯度值点,和设定阈值集中的值比较,直至图像分割结束;将分割之后的图像采用迭代仿射变换实现低码率分形视频图像的压缩;对图像实施二维小波转换操作,插入弯曲小波系数,得到BANDELET表现形式,完成低码率分形视频图像的编码,提高比特率。实验结果表明,所提方法有效解决了图像传输质量差的问题。(本文来源于《计算机仿真》期刊2018年07期）
詹为[7]（2017）在《小波变换在视频图像压缩编码中的应用研究》一文中研究指出随着互联网和通信时代的到来,用于无线通信、交互式多媒体和遥感等领域的视频图像压缩被广泛关注,其出色的实用技术从军事、医疗等特定领域逐步拓展到以普通用户为主的大众领域,具有着良好的发展前景。但在实际应用过程中,我们不仅要考虑其建设成本,同时也要兼顾其重构质量及压缩效率,但有限的传输带宽也制约了其应用的实时性。如何在保证视频图像重构质量的同时提高压缩编码效率,降低算法复杂度也逐渐成为其研究热点之一,为此引出了本文课题小波变换在视频图像压缩编码中的应用研究,并展开了如下具体研究:(1)静态图像压缩编码算法研究。主要在小波变换技术理论背景下,对嵌入式零树小波编码(EZW)算法进行研究,针对其对系数重复扫描而带来的计算量与编码比特数的增加,以及扫描过程中出现的大量零树根而导致的算法复杂度增加、符号冗余等问题,并根据其人眼视觉特性,提出一种改进的嵌入式零树小波编码算法。该改进方法首先通过扩充编码符号的方式来对重要系数进行重新分类,即将边缘信息定义为重要系数;其次,在逐次逼近量化的过程中,改变零树根与孤立零点的查找方式,以实现零树结构的快速判断;最后,在熵编码阶段将改进的EZW算法与霍夫曼编码相结合来代替算术编码以消除符号冗余使其更简单。(2)视频图像压缩编码算法研究。以现有小波变换技术为基础的视频压缩方案为背景,针对视频图像压缩中的时间序列冗余与图像重构恢复质量不高等问题,提出一种改进的视频压缩方案。该方案主要从帧内编码和帧间编码两方面进行考虑,采用基于时间轴的空域和时域相联合的视频分割方法。首先,将分组的视频序列按时间方向变换得到各连续的帧图像,并确定首帧为参考帧;其次,对各帧图像进行空域二维小波变换;再次,对变换后的各帧图像,帧内编码部分,将前面提出的改进的嵌入式零树小波编码算法引用到首帧的编码处理,而对于帧间编码部分,则结合重迭多分辨率运动补偿技术,利用参考帧中的高频子带信息来对其他帧的运动矢量进行估算,对预测值与实际值的残差值进行编码;最后,进行相关实验并将其运用于自然场景中进行验证分析。实验结果表明:本文提出的视频图像压缩方案在峰值信噪比(PSNR)、编码效率等方面,相较其他方法,有了一定程度的提高,并适用于自然场景中的应用。由此可证明本文所提方案的有效性和可行性。(本文来源于《江苏科技大学》期刊2017-12-29）
张慧[8]（2017）在《多媒体网络视频图像压缩传输补偿优化仿真》一文中研究指出随着多媒体网络视频种类的不断增加,使得多媒体网络视频图像多样化,传统的多媒体网络视频图像在进行压缩传输补偿时,由于采集过程视频图像特征丢失量不同,多媒体网络视频图像出现的损坏程度也存在一定差异,导致压缩传输补偿误差大、效率低。提出基于多尺度字典学习的多媒体网络视频图像压缩传输补偿优化方法。先对多媒体网络视频图像采集信息系统原理进行分析,并以此为基础,采用交叉验证计算视频图像重构方法终止迭代的判据参数,利用视频图像测试集的测量矩阵对图像解码重构,采用K均值奇异值分解方法学习获得视频图像尺寸不同的多尺度字典,结合筛选因子对图像多尺度字典原子进行优化筛选量化编码,利用自适应的量化编码完成压缩。仿真证明,在多媒体网络视频图像压缩传输时,改进补偿方法,相比传统补偿方法其多媒体网络视频图像组包效率高,压缩传输补偿实时性也得到了改善,具有一定的优势。(本文来源于《计算机仿真》期刊2017年12期）
姜涛,李婷婷[9]（2017）在《基于深度学习的视频图像压缩编码方法优化》一文中研究指出随着互联网无线通信技术的不断发展,人们可以通过观看互联网视频、浏览图像信息等方式进行学习,但在这个过程当中,难免会遇到图像或视频所需的打开方式不被当前移动设备所支持的情况。本文对视频图像压缩编码原理进行了简单的介绍,并提出了一种新型的JND压缩编码模型,也通过实验证明了在所需压缩编码时间与解压成功率方面,该模型都比传统MDLVQ模型具备更高的实用可行性。(本文来源于《科技传播》期刊2017年22期）
顾富民[10]（2017）在《非压缩视频图像多重数字水印隐藏方法仿真》一文中研究指出为了更好地解决多媒体信息的版权保护问题,需要进行非压缩视频图像多重数字水印隐藏方法的研究。但是采用当前方法进行水印隐藏时,无法保障水印的安全性,存在水印隐藏效果差的问题。为此,提出一种基于改进置乱变换的非压缩视频图像多重数字水印隐藏方法。上述方法先利用小波变换对原始视频图像进行多层级分解,并将混沌数字水印迭加在不同级别分辨率的高频小波系数中,在此基础上进行逆小波变换生成水印图像,选择基于队列置乱变换的变换参数作为私有密钥,将嵌入水印的图像二值序列转换成灰度值,依据置乱变化的逆变换方法将图像复原。仿真证明,所提方法可以有效地保障视频图像数字水印的抗攻击性,具有较高的稳健性。(本文来源于《计算机仿真》期刊2017年11期）
视频图像压缩论文开题报告
（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：
传统的视频图像压缩方法主要是针对视觉数据本身进行压缩,对帧间数据的压缩比例不高。本文提出一种基于深度学习技术的针对视频片段数据的压缩方法,在传统压缩方法的基础上对构成视频片段的视频帧序列进行进一步的高比例压缩。首先基于时空卷积神经网络对视频帧序列进行分类,将视频片段分为剧变、渐变和普通叁个类别,再对普通类别的视频片段进行处理以提取关键帧并用关键帧表达该视频片段的信息。在重构质量相同的情况下,本文提出的方法可将H.264/AVC和HEVC编码标准的平均码率分别降低57.62%和8.37%。
（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。
视频图像压缩论文参考文献
[1].王晟全,陈济颖,李昂,郑宝玉,刘信科.基于小波包算法的视频图像压缩技术的研究[J].物联网技术.2019
[2].郝小龙,冯敏,樊强,彭启伟,韩斌.基于深度学习的视频图像再压缩方法[J].电子设计工程.2019
[3].闫晓茹,徐刚.基于场景差异与小波分解的视频图像压缩传输方法研究[J].数字技术与应用.2019
[4].龚家举.基于压缩感知的多媒体视频图像去噪方法研究[J].信息与电脑(理论版).2019
[5].谭翠媚,许廷发,马旭,张宇寒,王茜.图-谱结合的压缩感知高光谱视频图像复原[J].中国光学.2018
[6].宫海晓,贺杰,耿德志.低码率分形视频图像分层压缩方法仿真[J].计算机仿真.2018
[7].詹为.小波变换在视频图像压缩编码中的应用研究[D].江苏科技大学.2017
[8].张慧.多媒体网络视频图像压缩传输补偿优化仿真[J].计算机仿真.2017
[9].姜涛,李婷婷.基于深度学习的视频图像压缩编码方法优化[J].科技传播.2017
[10].顾富民.非压缩视频图像多重数字水印隐藏方法仿真[J].计算机仿真.2017