雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际先进研究期刊》的研究在电子、电子、仪表工程

菜单

ISSN在线(2278 - 8875)打印(2320 - 3765)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

使用基于提升EEWITA图像压缩的性能

Vijayan。T
Bharath大学助理教授,我系印度钦奈
相关文章Pubmed,谷歌学者

访问更多的相关文章国际先进研究期刊》的研究在电子、电子、仪表工程

国际先进研究期刊》的研究在电子、电子、仪表工程

文摘

启用无线网络使用移动设备和其他数据服务,有一个关键的内容需要支持丰富的移动数据通信,包括语音、文本和图像。然而,移动通信的多媒体内容有几个问题。它包括舍入噪声和带宽约束的无线网络。在本文中,我解决带宽和舍入噪声在图像数据通信,目前节能为静态图像,可以显著减少所需的能量无线图像通信,,同时满足带宽约束。通过提升基于DWT舍入噪声是可以避免的。在提升方案,DWT的输出是整数值,它是固定的点,所以没有圆滑的错误发生。基于小波的图像压缩,我们提出一个节能小波图像变换算法(EEWITA)对静态图像的有损压缩,从而显著减少计算以及通信能源利用H *消除。用这种方法我可以实现高压缩比和最小能量的无线网络。

介绍
最近的多媒体应用为手持便携设备限制可用的无线带宽。基于小波的技术,如如JPEG2000图像压缩比传统方法有更多的提供的压缩比。灵活节能可以处理多媒体等功能的硬件实现图像处理、编码和解码是至关重要的,特别是在手持便携式多媒体无线设备。小波在有限区间数学函数定义和平均值为零的数据变换到不同的频率成分,代表每个组件决议与规模。小波变换的基本思想是代表任意函数的叠加一组这样的小波基函数。这些基函数或婴儿小波从一个原型获得小波被称为母小波,通过膨胀或收缩(扩展)和翻译(变化)。他们有优于传统的傅里叶方法在分析物理信号包含不连续和大幅飙升的情况。
许多新的小波图像压缩等应用程序,动荡,人类的视觉,雷达,地震预测是近年来开发的。在小波变换的小波基函数。小波往往是不规则且对称的。所有的小波函数,w (2 kt - m),来自一个单亲妈妈小波,w (t)。我们提出一个能量高效的小波图像变换算法(EEWITA)组成的技术消除图像的某些高通系数的计算。如图所示的实验中,使用EEWITA可以显著降低(i)计算能量,通过最小化计算需要压缩图像,和(2)通信能量消耗的射频组件的移动设备,它传输的比特数成正比。减少能源获得最小可察觉的损失图像质量。

小波图像压缩
JPEG图像压缩标准今天广泛使用。
图像
JPEG使用离散余弦变换(DCT)变换,应用于8-by-8图像数据块。新标准如JPEG2000是基于小波变换(WT)。小波变换提供了多分辨率图像分析,这似乎也与人类的视觉低层次的特点。联合摄影专家组(JPEG)开发了一种新的小波图像压缩标准,通常被称为如JPEG2000。我们的初步研究小波图像压缩(使用如JPEG2000)表明,小波变换步骤消耗超过60%的CPU时间图像压缩过程。通过优化算法转换步骤的特点,性能和能源需求的整个图像压缩过程可以显著改善。出于这个原因,我们针对小波变换步骤以减少能源消耗。

小波变换的概述
使用一维提出小波变换子带分解过程中一系列一维样品转化为低通子带(李)和高通部分波段(你好)。低通子带代表一个downsampled低分辨率版本的原始图像。它用于计算机和人类的视觉,乐音,联邦调查局指纹压缩。
图像
高通部分波段代表剩余的原始图像的信息,需要完美的重建原始图像的低通子带。一维二维子带分解是一个扩展的子带分解。整个过程是由执行一个一维子带分解两次,第一次向一个方向(横向),然后在正交方向(垂直)。例如,产生的低通子带(李)水平方向在垂直方向上进一步分解,导致LLi和LHi部分波段。
图像
同样,高通滤波部分波段(嗨)是进一步分解为HLi和HHi。后一层的变换,应用二维图像可以被进一步分解子带分解到现有LLi部分波段。这个迭代过程导致多个“变换的水平”。例如第一级LH1的变换结果,HL1, HH1,除了LL1,进一步分解为LH2, HL2, HH2, LL2第二层次,以及LL2的信息用于第三层次变换。我们把部分波段LLi低分辨率子带和高通部分波段LHi, HLi, HHi水平、垂直和对角线部分波段分别因为他们代表水平、垂直和对角残余的原始图像的信息

小波提升方案
图像
小波算法是递归的。The output of one step of the algorithm becomes the input for the next step. The Forward lifting scheme wavelet transform divides the data set being processed into an even half and odd half.Lifting scheme algorithms have the advantage that they do not require temporary arrays in the calculation steps,as is necessary for some versions of the Daubechies D4 Wavelet algorithm. The Predict step calculates the wavelet function in the wavelet transform.This is a high Pass filter.The update step calculates the scaling function,which results in a smoother version of the data.
这个操作由三个步骤组成。
1)首先,输入信号x [n]下采样到甚至位置信号xe (n)和奇怪的位置信号xo (n),然后使用交替修改这些值预测和更新步骤。
xe (n) = x (2 n)和xo (n) = x (2 n + 1)
2)预测步骤由线性组合预测每一个奇怪的样本甚至样品和减去它的奇怪的样本形成预测误差。
3)一个更新的步骤包括更新甚至样品通过添加它们的线性组合预测误差形成更新后的序列。预测和更新可能在几个步骤,直到评估转换完成。
图像
上面的图是起重方案提出小波变换。The reverse Lifting used in inverse Lifting wavelet transform,this is below.
图像
9-7和5 - 3 Daubechies双正交的过滤器,被选为理想的图像压缩。双正交的9 - 7和5 - 3过滤器被用于AWIC (Rushanan 1997)。减弱视觉工件在高压缩率使用过滤器是响的时间越长,而较短的滤波器产生阶梯效应。这两个过滤器设计之间的权衡速度性能和质量性能。视觉,响了工件和工件阶梯效应似乎几乎相当于,依赖主观意见。peak-signal-to-noise比喜欢响工件阶梯效应。向前的Daubechies 5-tap / 3-tap过滤器中使用小波变换具有良好的定位和对称的特性,它允许简单的边缘处理,高速计算,和高质量的压缩。Daubechies 9-tap / 5-tap过滤器用于基于提升小波变换。

)分析能源消耗
通过使用Daubechies 5-tap / 3-tap过滤器使用滤波器,提出了小波分解8转变和8添加操作要求样本图像像素转换成低通系数。同样,高通分解需要2转变和4补充道。因此8 s + 8单位计算负载需要在单元像素分解低通和高通2 s + 4个单位。因为所有even-positioned图像像素被分解成低通系数和odd-positioned图像像素被分解成高通系数,所涉及的总计算负荷水平分解1/2MN (10 s + 12)。计算负载的数量在垂直分解是相同的。
图像
我们估计数据访问负载通过计算内存访问的总数在小波变换。在变换层面,每个像素读两次,写两次。数据访问负载:
图像
整个计算能量计算的加权和计算负载和数据访问负载。我们也估计通过C * R通信能量,其中C是压缩的大小(位)和R是每一位传输能量消耗的射频发射机。

节能小波图像变换算法(EEWITA)
我们提出EEWITA小波变换算法,旨在最小化计算能量(通过减少算术运算和内存访问的数量)和通信能量(通过降低传输比特)的数量。我们可以估计高通系数0(因此避免计算),导致图像质量损失最小。这种方法有两个主要优势。首先,因为高通系数没有计算,EEWITA有助于减少计算小波图像压缩过程中能源消耗减少的数量执行操作。第二,因为编码器和译码器都知道估计技术,任何信息需要通过无线传输信道,从而减少通信所需的能量。使用评估技术,我们开发了EEWITA由两种技术试图节约能源,避免高通滤波系数的计算和通信:
1)解除HH消除
2)提升基于H *消除

基于)起重HH消除:
第一种技术试图节约能源通过消除最不重要的部分波段。在四个部分波段,我们发现对角线子带(HHi)是最低有效位(图2),使其成为最佳人选在小波变换消除步骤。我们称这种技术“HH消除”。
图像
基于提升HH消除
在四个部分波段,我们发现对角线子带(HHi)是最低有效位(图2),使其成为最佳人选在小波变换消除步骤。我们称这种技术“HH消除”。在第二个方案,只有最重要的部分波段(低分辨率信息,LLi)保持和高通部分波段(LHi, HLi, HHi)移除。我们称之为“H *消除”,因为高通部分波段都消除转换步骤。

1)能源效率消除技术
在HH消除技术,计算负载在连续变换与AWIC算法是一样的。然而,在产生的高通部分波段的列变换之前的行变换,高通的部分波段(HH)不计算。结果显示,这导致储蓄的1/4MN (4 + 2 s)操作单位的计算负载AWIC算法相比(7.4%)。因此,总计算负荷当使用HH消除表示为:
计算负载:
图像
因为产生的高通部分波段行变换仍然是需要计算HL部分波段在列变换,我们不能保存在“读”访问使用HH消除技术。不过,我们可以节省四分之一的“写”操作(节省12.5%)在列变换自HH子带是预先分配的结果前0转换计算。因此,总的数据访问负载是由:
数据访问负载:
图像

B)提升基于H *消除:
图像
提升基于H *消除
HH消除技术应用,25%的图像数据删除导致更少的信息通过无线传输通道。虽然HH消除技术减少了计算负载在转换步骤中通过消除每四次能带,H *消除技术目标更重要的计算节省能源。在H *消除技术只会生成部分波段和高通滤波部分波段是移除。因此,只有even-positioned像素处理的行变换和美联储随后列变换。Odd-positioned像素是跳过,因为这些像素代表高通系数(HL、HH)。同样,在列转换步骤,odd-columned像素都跳过了,只有even-columned低分通过像素处理。这导致储蓄的MN (6 + 4 s)操作单位的计算负载AWIC算法(超过47%)。因此,总计算负荷当使用H *消除被表示为:
计算负载:
图像
H *消除也降低了数据访问负载,“读”访问的数量减少25%。同样,写操作保存63%。总的数据访问负载是由:数据访问负载:
图像
H *消除技术可以显著节省通信能量由于四分之三的部分波段从压缩的结果。

结果
因此,提升基础开发了离散小波变换图像压缩。获得的图像质量的提高压缩比。也压缩比越大,峰值信噪比。故事情节如下所示。需要测量的图像质量比较恢复结果。两个常用的措施均方误差和峰值信噪比,均方误差(MSE)两个图像之间g (x, y)和g ^ (x, y)是:
图像
图像
均方误差的一个问题是,它很大程度上取决于图像强度定标。一个8位图像的均方误差为100.0(与像素值范围0 - 255)看起来可怕的;但MSE 100.0 10位图像(像素值在[0,1023])不明显。峰值信噪比(PSNR)避免了这个问题通过扩展MSE根据图像范围:
图像
图像
S是最大像素值的地方。PSNR以分贝(dB)。PSNR测量也不理想,但常用的。其主要失败的信号强度估计,而不是实际的图像信号强度。PSNR值是一个很好的衡量比较相同的图像恢复结果。MSE和PSNR值提供了本文计算量化后(即后将浮点像素值转换为整数)。

结论
未来部署移动多媒体数据服务将需要非常大量的数据传输,创造极大的能量和带宽要求高,不能满足有限的电池技术的增长,或预计增长细胞带宽。新兴的问题提出一个潜在的解决方案,通过开发一个节能图像编解码器。通过使用这个我可以达到很高的图像质量,并降低能源在沟通。所以我可以达到有效带宽。这里我消除舍入噪声误差通过提高计划。摘要JPEG 2000提供了很多好处超过目前的压缩方法,包括能力做无损和有损压缩,能够获得较高的图像质量和更高的压缩比,并能够查看相同的文件在多个分辨率。在未来,我们将我们的方法扩展到其他类型的多媒体数据流媒体视频,以及解决其他参数无线数据服务的传输延迟、传输的鲁棒性和安全性。

引用