مدلسازی منابع تنک غیرموکد با استفاده از توزیع های دنباله دار (KBEI-2016)
- سال انتشار: 1396
- محل انتشار: چهارمین کنفرانس بین المللی مهندسی دانش بنیان و نوآوری در حوزه مهندسی کامپیوتر و برق
- کد COI اختصاصی: KBEI04_237
- زبان مقاله: فارسی
- تعداد مشاهده: 431
نویسندگان
دانشکده مهندسی ، دانشگاه شهید چمران اهواز اهواز، ایران
دانشکده مهندسی ، دانشگاه شهید چمران اهواز اهواز، ایران
چکیده
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
فشرده سازی با اتلاف، تابع نرخ- اعوجاج، منابع تنک و توزیع دنباله داراطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.