فشرده سازی تصاویر ویدئویی با استفاده از تبدیل کانتورلت
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 798
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELECOM01_072
تاریخ نمایه سازی: 9 تیر 1393
چکیده مقاله:
در طول دو قرن گذشته فشردهسازی تصاویر به یک حرفه تجاری برای i مهم تبدیل شده است[ 1]. فشردهسازی تصاویر ویدئویی کانالهایی با پهنای باند محدود و همچنین برای دستگاههای ذخیرهسازی که دارای قابلیت ذخیرهسازی محدود میباشند، مفید و قابلاستفاده میباشد. استفاده از تبدیلهای مختلف یکی از روشهای متداول در فشردهسازی تصاویر ویدئویی میباشد. تبدیل که یکی از روشهای فشردهسازی تصاویر i i کسینوسی گسسته در نسبتهای i i i ویدئویی میباشد دارای مشکل آثار بلوکبندی فشردهسازی بالا میباشد و تبدیل دیگر تبدیل موجک می باشد که توانایی این تبدیل در تشخیص و مشاهده انحنای منحنیها بسیار محدود است. با توجه به اهمیت فشردهسازی و وجود معایب ذکرشده در تبدیلهای کسینوسی و موجک به نظر میرسد که ابزاری مناسبتر برای فشردهسازی تصاویر v تبدیل کانتورلت ویدئویی باشد. در روش جدید ارائهشده در این مقاله از تبدیل کانتورلت در فشردهسازی تصاویر ویدئویی استفاده شده است. تبدیل کانتورلت میتواند جزئیات تصویر را بهتر حفظ کند زیرا تبدیلی چندمقیاسی و جهتدار است و دارای توانایی برای شناسایی ناپیوستگیهای گسترده مانند لبهها میباشد. این روش دارای عملکرد فشردهسازی بهتری در مقایسه با تبدیل موجک در نسبتهای فشردهسازی بالا میباشد[ 2] .تبدیل کانتورلت برای نمایشتصاویر صاف دو بعدی بسیار مفید است[ 3]. در نهایت، نتایج نشان می دهند که در اکثر تصاویر میزان پارامترهای میانگین مجذور خطا و حداکثر نسبت سیگنال به نویز در روشه جدید بر پایه تبدیل کانتورلت نسبت به تبدیل موجک بهبود یافته اند ام در اکثر تصاویر میزان پارامترهای میانگین مجذور خطا و حداکثر نسبت سیگنال به نویز در تبدیل کسینوسی بهتر از روش بر پایه تبدیل کانتورلت شده است.
کلیدواژه ها:
نویسندگان
دل آرا کاظم پور
دانشگاه علوم و تحقیقات خوزستان
ماشااله عباسی دزفولی
، استادیار، دانشگاه علوم و تحقیقات خوزستان
رضا جاویدان
استادیار، دانشگاه صنعتی شیراز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :