导读:本文包含了无损压缩编码论文开题报告文献综述及选题提纲参考文献，主要关键词:C++,多线程,哈夫曼编码,无损压缩
无损压缩编码论文文献综述
鄢涛,彭海峰,李浩,陈超,刘永红[1]（2019）在《基于哈夫曼编码的多线程无损压缩库的设计与实现》一文中研究指出基于哈夫曼编码和C++多线程技术,设计并封装出C++库函数,实现了文档的无损压缩,保证了良好的压缩率和高效的压缩速度。该库函数能被其他开发语言直接调用,能够极大程度地提高开发人员在实现文件压缩时的开发效率,并在C++库函数的开发中具有参考价值。(本文来源于《成都大学学报(自然科学版)》期刊2019年03期）
徐伟哲[2]（2019）在《快速高效的HEVC无损压缩编码方法研究》一文中研究指出HEVC(High Efficiency Video Coding,高效视频编码)作为最新一代的视频压缩编码标准,在人们的生产和生活中得到了越来越广泛的应用。因为无损压缩编码能够不改变视频质量,所以在视频监控、医学影像及自动驾驶等领域具有十分重要的作用。由于压缩过程复杂度高、计算量大,压缩效果不够理想,传统的HEVC无损压缩编码在低带宽、低延时和低开销等实际应用中仍存在问题。为了提高HEVC无损压缩编码的压缩率和编码速度,降低参考帧的传输开销,本文针对HEVC无损压缩编码中的帧内编码、帧间运动估计以及参考帧压缩算法进行了研究。主要内容如下:首先,基于DWT(Discrete Wavelet Transform,离散小波变换)的HEVC无损帧内压缩方法研究。针对空间域上的像素分布不集中导致的HEVC无损帧内压缩效果不够理想的问题,本文在传统的HEVC无损帧内压缩编码的结构中,引入离散小波变换。将图像由空间域变换到频域上,然后对频域系数进行预测和编码。对其中分布更集中的高频系数区域进行压缩后,可以获得更低的压缩码率和更小的编码单元划分深度以及更少的编码计算量。实验表明,与现有的优化方法相比,引入小波变换后的HEVC无损帧内压缩编码能够同时提高无损压缩编码的压缩率和编码速度。其次,帧内编码单元划分和模式选择快速算法研究。针对引入离散小波变换后,HEVC无损帧内压缩的编码时间节省有限的问题,本文利用纹理检测的方法对编码单元的纹理方向和内容复杂度进行评估,缩小模式选择和深度划分候选范围。由于高频子带区域的变换系数分布集中,并且具有显着的方向特征,因此仅需检测4个方向的纹理即可准确评估编码单元的系数变化方向和复杂度。根据纹理和复杂度评估结果对预测模式和划分深度进行筛选,降低了编码过程的计算量。实验结果表明,结合编码单元划分和预测模式选择快速算法的基于DWT的HEVC无损帧内压缩编码能够节省近一半的编码时间。再次,基于像素级自适应预测的无损参考帧压缩研究。为了解决传统参考帧压缩算法无法为每个像素进行独立预测的问题,本文为无损的参考帧压缩设计了一种像素级的自适应预测模式选择算法。算法根据相邻已重构像素的相似性关系,对当前像素与相邻像素的相似性进行估计。根据相似性评估结果,自适应地为当前像素从水平预测、垂直预测和对角线预测3种模式中选择最合适的预测模式。然后对预测残差采用本文设计的Huffman编码,生成压缩码流。同时,为了满足参考帧压缩的随机访问需求,将编码块的尺寸设置为32×32。实验结果表明,与已有优化算法相比,本文设计的算法能够在相似的算法复杂度下,达到更好的参考帧压缩效果。最后,基于运动矢量预测准确度的搜索范围自适应调整算法研究。针对帧间编码中最耗时的运动估计过程,为了适当缩小搜索范围,减少运动估计的运算时间,本文设计了对称和非对称式的自适应搜索范围调整算法。根据搜索范围与运动矢量预测准确度的关系,算法将运动矢量差作为运动矢量预测准确度的度量。基于运动矢量差与块匹配误差倍数的关系,利用当前预测单元的上一层编码块的块匹配误差近似计算块匹配误差倍数,得到当前单元的运动矢量差的估计值。对称式调整直接利用运动矢量差的估计作为水平和垂直方向的搜索范围。而为了适应物体在水平和垂直方向运动强度不同的情况,算法又参考相邻已编码单元,根据运动和内容相似性,结合运动矢量预测准确度,定义了相似性系数和伸缩系数,得到计算权重。利用相邻已编码单元的运动矢量差及计算权重,自适应地对水平和垂直方向的搜索范围进行独立调整。而对于相邻单元信息缺失较多的情况,采用对称式搜索范围调整进行补偿。最后对算法的编码性能进行评估,实验表明本文的算法能够准确评估预测单元的搜索范围,在码率没有明显变化的情况下,显着降低编码时间。本文通过对无损HEVC的帧内编码、参考帧压缩以及帧间编码中运动估计的搜索范围进行优化,提高了无损帧内编码的压缩效率,节省了帧内和帧间编码的计算时间,降低了帧间编码过程中的传输和存储开销,提高了HEVC无损压缩的编码效率。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
刘行[3]（2019）在《一种无损高清视频编码的参考帧压缩方法》一文中研究指出绝大多数发表的参考帧无损压缩算法都选择以16×8或8×8像素块作为压缩单元。当实际应用在视频编解码的硬件中时,往往会需要较大的硬件资源开销,同时由于差分预测模式的不合理,会限制解压缩硬件实现的吞吐率。提出一种基于16×4像素块作为压缩单元的新差分预测编码调制算法,在基本不影响压缩效率的前提下,使得硬件资源开销降低一半,同时大幅提升解压缩硬件的吞吐率。(本文来源于《集成电路应用》期刊2019年05期）
刘海涛,汪斌[4]（2018）在《基于小波变换和算术编码的无损图像压缩方法研究（英文）》一文中研究指出为了提高图像压缩的性能以便实现更好的无损图像压缩,提出了一种基于小波变换和算术编码的无损图像压缩方法。首先,该方法对图像的所有高频和低频分量进行整数小波变换。然后利用期望最大化算法和最大似然估计对几何分布有限混合模型的参数进行了估计。最后结合直方图截断方法完成算术编码。多组图像数据的测试结果显示相比于其他方法,提出压缩方法表现出较好的压缩性能(主观和客观保真度指标),即更高的压缩比和峰值信噪比。(本文来源于《机床与液压》期刊2018年18期）
罗瑜,唐博[5]（2018）在《一种基于纹理方向自适应预测和游程哥伦布编码的帧存无损压缩算法》一文中研究指出为了进一步提高参考帧无损压缩的压缩性能,本文提出了一种基于纹理方向预测和游程哥伦布编码的帧存无损压缩算法.本算法首先采用双扫描和自适应预测的方法,按纹理方向,为每个像素选取最优的参考像素,并进行预测以获得预测残差;然后对预测残差进行哥伦布游程混合熵编码,从而提高了参考帧无损压缩的压缩性能.实现结果显示,与帧内预测哥伦布编码算法相比,本文算法不但平均压缩率提高了16%,而且降低了平均编码时间.(本文来源于《电子学报》期刊2018年04期）
郑春梅[6]（2018）在《基于DPCM预测与算术编码的图像无损压缩》一文中研究指出通常无损压缩不受信源的影响,能够100%保存图像信息,但是占用的空间较大,压缩比不高。本文基于常用的算术编码,深入研究图像像素分布的特点,对于单帧图像采用DPCM预测的方法,对图像进行预处理,构造位平面,充分利用图像相邻位置像素的相关性,提高编码效率;将浮点型运算转换为整型运算,较大地提高了图像的压缩比,解决了图像处理的帧频和带宽问题。(本文来源于《信息记录材料》期刊2018年04期）
江山[7]（2016）在《基于云计算的图像序列无损压缩编码及加密方法研究》一文中研究指出本文主要讨论了云平台渲染服务得到的图像序列的分层信息、时间相关、内容相关等特点。重点探索解决云渲染平台的瓶颈问题,即渲染产生的海量图像序列数据导致的存储、传输开销。而现有的无损图像压缩算法通常仅挖掘帧内冗余并未充分考虑帧间的冗余信息,所以压缩比偏低且压缩速度慢；视频编码方案虽然压缩比高,但很难达到绝对无损且计算比较复杂。为此,本文在对基于字典压缩方法的通用数据压缩算法LZ77分析的基础上,提出了通过减少数据局部复杂性的数据块重排策略,给出了一个通用图像序列压缩算法框架,可与一大类通用无损方法相组合,提高了图像序列压缩比。该方案能够针对渲染结果图像序列,在不额外增加计算时间的前提下,获得更高的压缩比。本文进一步针对渲染图像序列相邻图像帧之间相关性比较大的特点,基于图像哈希能够快速查找到相似像素矩阵的特点来改善数据块重排的精度和速度,进一步提高压缩比。同时提出了一种基于云平台的分布式无损编解码方案,以解决图像序列数据量大单机计算能力不足的问题。最后,针对云端数据的安全要求,提出了一种针对本文压缩数据的加密方法。(本文来源于《浙江大学》期刊2016-01-01）
解瑞云,海本斋[8]（2016）在《基于自适应霍夫曼和Golomb-Rice混合编码的WSN无损压缩算法》一文中研究指出针对传统无线传感器网络(WSN)数据压缩算法不能兼顾压缩效率和数据丢失的问题,提出利用自适应Huffman与Golomb-Rice混合编码的快速高效无损自适应压缩算法。将自适应Huffman编码与Golomb-Rice编码相结合,解决可变长和动态性问题,并使用启发式方法估计非负编码参数,通过莱斯映射函数变换拉普拉斯分布误差项,将近似几何分布的非负整数作为熵编码器的输入,利用自适应熵编码独立压缩采样数据块。在Sensor Scope真实环境WSN数据集上的实验结果表明,该算法实现了每个样本4.11位的压缩率,最高可节省70.61%的功率,压缩性能和压缩速率均优于S-LZW,LEC等压缩算法。(本文来源于《计算机工程》期刊2016年07期）
朱策[9]（2015）在《面向高速采集与实时存储的无损压缩编码设计与实现》一文中研究指出高速数据采集与实时存储技术广泛应用于科学研究和军事电子信息系统中。在雷达信号的获取和处理等应用中,对数据采集与存储系统的采集存储带宽和容量要求也越来越高。传统的存储方式和存储介质已经不能满足高速海量存储的要求,在这种情况下,如果能够对采集到的数据进行实时的无损压缩,就可以有效地减少存储时的数据量,使得高速数据流可以被实时存储下来,方便科研人员进一步分析处理。本文在常用压缩编码算法的基础上,考虑高速数据采集和存储的应用场合,基于LZW算法,在字典模块的快速存取和本身结构方面,对压缩编码算法进行了改进。设计了哈希函数用于字典模块的快速存取,并对耗时最大的字典模块进行并行化改进,利用硬件对算法进行并行加速,达到对高速数据量进行实时压缩的目的。随后,本文基于Verilog硬件描述语言对该压缩编码算法进行硬件优化与实现,并利用Xilinx Kintex7 FPGA对算法进行仿真、验证和测试。算法实测结果表明,本算法在33MHz的系统主频下,实现了275.4Mbps的数据吞吐量,压缩比在20%到50%之间。证明该数据压缩方法是切实可行的。最后,对课题进行了总结,提出了算法存在的一些缺点,并明确了进一步研究的方向。(本文来源于《国防科学技术大学》期刊2015-11-01）
杨文志[10]（2015）在《雷达图像无损压缩编码方法的研究》一文中研究指出在船舶交通管理系统(VTS)中,对雷达图像的监控和回放是提高交通效率和保障交通安全的主要手段。在船舶航行记录仪(VDR)中,雷达图像也可以帮助调查人员找出海难事故的真正原因。由于现代雷达的探测精度越来越高,这也导致雷达产生的图像数据量越来越大,给雷达图像的传输和存储技术带来了巨大挑战。同时,在事故处理、责任鉴定以及分析VTS所辖区域航行情况等方面,需要高质量的雷达图像信息,因此,本文从实际问题出发,提出了基于预测和熵编码的雷达图像无损方法并编程实现。以下为本文研究的主要内容：(1)将采集到的雷达视频数据转换为直角坐标形式的雷达图像,通过灰度直方图和帧间帧内相关性系数分析,讨论雷达图像冗余性特点。(2)由于每帧雷达图像所占空间较大,在帧间压缩环节为了降低算法对硬件的要求,保证系统的实时性,结合之前对雷达图像特点的分析,采用线性预测算法,生成帧间预测残差图像。(3)帧间预测后产生的残差图像可以应用帧内预测算法来进一步消除冗余,首先讨论GAP和MED预测器的预测效果和性能对比,其次分析不同形式雷达图像作为压缩算法输入的优劣势,最后确定帧内压缩方案。(4)服务器端将压缩图像转化为二进制序列,进一步打包成帧并采取两种措施进行加密,使之适应网络的传输同时确保数据的安全性。采用MS SQL Server存储压缩图像。(5)客户端连接数据库读取图像压缩数据到本地解压缩并显示。讨论图像显示过程中的坐标转换效率、区域重迭、显示漏点等编程实践中的关键问题。(本文来源于《大连海事大学》期刊2015-05-01）
无损压缩编码论文开题报告
（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：
HEVC(High Efficiency Video Coding,高效视频编码)作为最新一代的视频压缩编码标准,在人们的生产和生活中得到了越来越广泛的应用。因为无损压缩编码能够不改变视频质量,所以在视频监控、医学影像及自动驾驶等领域具有十分重要的作用。由于压缩过程复杂度高、计算量大,压缩效果不够理想,传统的HEVC无损压缩编码在低带宽、低延时和低开销等实际应用中仍存在问题。为了提高HEVC无损压缩编码的压缩率和编码速度,降低参考帧的传输开销,本文针对HEVC无损压缩编码中的帧内编码、帧间运动估计以及参考帧压缩算法进行了研究。主要内容如下:首先,基于DWT(Discrete Wavelet Transform,离散小波变换)的HEVC无损帧内压缩方法研究。针对空间域上的像素分布不集中导致的HEVC无损帧内压缩效果不够理想的问题,本文在传统的HEVC无损帧内压缩编码的结构中,引入离散小波变换。将图像由空间域变换到频域上,然后对频域系数进行预测和编码。对其中分布更集中的高频系数区域进行压缩后,可以获得更低的压缩码率和更小的编码单元划分深度以及更少的编码计算量。实验表明,与现有的优化方法相比,引入小波变换后的HEVC无损帧内压缩编码能够同时提高无损压缩编码的压缩率和编码速度。其次,帧内编码单元划分和模式选择快速算法研究。针对引入离散小波变换后,HEVC无损帧内压缩的编码时间节省有限的问题,本文利用纹理检测的方法对编码单元的纹理方向和内容复杂度进行评估,缩小模式选择和深度划分候选范围。由于高频子带区域的变换系数分布集中,并且具有显着的方向特征,因此仅需检测4个方向的纹理即可准确评估编码单元的系数变化方向和复杂度。根据纹理和复杂度评估结果对预测模式和划分深度进行筛选,降低了编码过程的计算量。实验结果表明,结合编码单元划分和预测模式选择快速算法的基于DWT的HEVC无损帧内压缩编码能够节省近一半的编码时间。再次,基于像素级自适应预测的无损参考帧压缩研究。为了解决传统参考帧压缩算法无法为每个像素进行独立预测的问题,本文为无损的参考帧压缩设计了一种像素级的自适应预测模式选择算法。算法根据相邻已重构像素的相似性关系,对当前像素与相邻像素的相似性进行估计。根据相似性评估结果,自适应地为当前像素从水平预测、垂直预测和对角线预测3种模式中选择最合适的预测模式。然后对预测残差采用本文设计的Huffman编码,生成压缩码流。同时,为了满足参考帧压缩的随机访问需求,将编码块的尺寸设置为32×32。实验结果表明,与已有优化算法相比,本文设计的算法能够在相似的算法复杂度下,达到更好的参考帧压缩效果。最后,基于运动矢量预测准确度的搜索范围自适应调整算法研究。针对帧间编码中最耗时的运动估计过程,为了适当缩小搜索范围,减少运动估计的运算时间,本文设计了对称和非对称式的自适应搜索范围调整算法。根据搜索范围与运动矢量预测准确度的关系,算法将运动矢量差作为运动矢量预测准确度的度量。基于运动矢量差与块匹配误差倍数的关系,利用当前预测单元的上一层编码块的块匹配误差近似计算块匹配误差倍数,得到当前单元的运动矢量差的估计值。对称式调整直接利用运动矢量差的估计作为水平和垂直方向的搜索范围。而为了适应物体在水平和垂直方向运动强度不同的情况,算法又参考相邻已编码单元,根据运动和内容相似性,结合运动矢量预测准确度,定义了相似性系数和伸缩系数,得到计算权重。利用相邻已编码单元的运动矢量差及计算权重,自适应地对水平和垂直方向的搜索范围进行独立调整。而对于相邻单元信息缺失较多的情况,采用对称式搜索范围调整进行补偿。最后对算法的编码性能进行评估,实验表明本文的算法能够准确评估预测单元的搜索范围,在码率没有明显变化的情况下,显着降低编码时间。本文通过对无损HEVC的帧内编码、参考帧压缩以及帧间编码中运动估计的搜索范围进行优化,提高了无损帧内编码的压缩效率,节省了帧内和帧间编码的计算时间,降低了帧间编码过程中的传输和存储开销,提高了HEVC无损压缩的编码效率。
（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。
无损压缩编码论文参考文献
[1].鄢涛,彭海峰,李浩,陈超,刘永红.基于哈夫曼编码的多线程无损压缩库的设计与实现[J].成都大学学报(自然科学版).2019
[2].徐伟哲.快速高效的HEVC无损压缩编码方法研究[D].哈尔滨工业大学.2019
[3].刘行.一种无损高清视频编码的参考帧压缩方法[J].集成电路应用.2019
[4].刘海涛,汪斌.基于小波变换和算术编码的无损图像压缩方法研究（英文）[J].机床与液压.2018
[5].罗瑜,唐博.一种基于纹理方向自适应预测和游程哥伦布编码的帧存无损压缩算法[J].电子学报.2018
[6].郑春梅.基于DPCM预测与算术编码的图像无损压缩[J].信息记录材料.2018
[7].江山.基于云计算的图像序列无损压缩编码及加密方法研究[D].浙江大学.2016
[8].解瑞云,海本斋.基于自适应霍夫曼和Golomb-Rice混合编码的WSN无损压缩算法[J].计算机工程.2016
[9].朱策.面向高速采集与实时存储的无损压缩编码设计与实现[D].国防科学技术大学.2015
[10].杨文志.雷达图像无损压缩编码方法的研究[D].大连海事大学.2015