مدلسازی منابع تنک غیرموکد با استفاده از توزیع های دنباله دار (KBEI-2016)
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 425
فایل این مقاله در 6 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:
KBEI04_237
تاریخ نمایه سازی: 18 اسفند 1397
چکیده مقاله:
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.
کلیدواژه ها:
نویسندگان
مسعود آرامیده
دانشکده مهندسی ، دانشگاه شهید چمران اهواز اهواز، ایران
احسان نامجو
دانشکده مهندسی ، دانشگاه شهید چمران اهواز اهواز، ایران