CN108347608B - 一种基于压缩感知的无线图像传输方法 - Google Patents

一种基于压缩感知的无线图像传输方法 Download PDF

Info

Publication number
CN108347608B
CN108347608B CN201810186372.6A CN201810186372A CN108347608B CN 108347608 B CN108347608 B CN 108347608B CN 201810186372 A CN201810186372 A CN 201810186372A CN 108347608 B CN108347608 B CN 108347608B
Authority
CN
China
Prior art keywords
coefficient block
frequency coefficient
bandwidth
blocks
frequency
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810186372.6A
Other languages
English (en)
Other versions
CN108347608A (zh
Inventor
卢汉成
王亚利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology of China USTC
Original Assignee
University of Science and Technology of China USTC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Science and Technology of China USTC filed Critical University of Science and Technology of China USTC
Priority to CN201810186372.6A priority Critical patent/CN108347608B/zh
Publication of CN108347608A publication Critical patent/CN108347608A/zh
Application granted granted Critical
Publication of CN108347608B publication Critical patent/CN108347608B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • H04N19/122—Selection of transform size, e.g. 8x8 or 2x4x8 DCT; Selection of sub-band transforms of varying structure or type
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/238—Interfacing the downstream path of the transmission network, e.g. adapting the transmission rate of a video stream to network bandwidth; Processing of multiplex streams
    • H04N21/2385—Channel allocation; Bandwidth allocation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Discrete Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种基于压缩感知的无线图像传输方法，包括：将图像进行小波变换，并将得到的系数均匀分块，获得一系列的系数块；对于其中的低频系数块进行幅值偏移操作；对于其中的高频系数块，结合高频系数块能量值，利用压缩感知来进行高频系数块的带宽压缩并实现带宽匹配；将进行幅值偏移操作后的低频系数块与经过压缩感知处理后的高频系数块进行功率分配后向外传输。该方法可以提高带宽不足的无线环境下图像传输的性能。

Description

一种基于压缩感知的无线图像传输方法
技术领域
本发明涉及计算机技术与无线通信技术领域，尤其涉及一种基于压缩感知的无线图像传输方法。
背景技术
在目前的无线环境下主要是以传统的数字传输方式进行图像传输。然而在实际的无线环境下，信道状态是是时变的，且对于广/多播的情况下，用户具有不同的信道状态。
传统的数字传输方式面临信道的时变或多样性会出现悬崖效应，影响用户的质量体验。近年来出现的去除了数字传输中的量化、熵编码和信道编码的传输方式，其通过去相关变换和功率失真优化可以实现用户重建质量随信道状态平滑衰落，避免了悬崖效应。这样一种传输方式，被称之为伪模拟传输方式，其更适合图像、视频无线传输。
然而，无线环境下经常面临带宽不足的问题，传统的数字方式可以通过改变量化参数来实现最优的带宽匹配。对于伪模拟传输，由于去除了量化和熵编码，如何实现最优的带宽匹配是一个开放的问题。目前的一种常用的简单策略是直接丢弃能量值低(重要性低)的系数块来实现带宽匹配，但是这并不是最优的带宽匹配策略。
发明内容
本发明的目的是提供一种基于压缩感知的无线图像传输方法，可以提高带宽不足的无线环境下图像传输的性能。
本发明的目的是通过以下技术方案实现的：
一种基于压缩感知的无线图像传输方法，包括：
将图像进行小波变换，并将得到的系数均匀分块，获得一系列的系数块；
对于其中的低频系数块进行幅值偏移操作；
对于其中的高频系数块，结合高频系数块能量值，利用压缩感知来进行高频系数块的带宽压缩并实现带宽匹配；
将进行幅值偏移操作后的低频系数块与经过压缩感知处理后的高频系数块进行功率分配后向外传输。
由上述本发明提供的技术方案可以看出，根据系数块在变换域系数稀疏的特点，压缩感知的引入可以成功的对系数块进行压缩，从而可以传输更多的系数块。另外通过推导的针对压缩感知系数块的功率分配因子实现了最优的功率失真优化，相比于传统的丢弃策略，此方法可以实现更好的传输性能。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
图1为本发明实施例提供的一种基于压缩感知的无线图像传输方法的流程图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
本发明实施例提供一种基于压缩感知的无线图像传输方法，在无线环境带宽不足的情况下，尽可能多的传输系数块，从而传输更多的信息量。本发明实施例中，图像传输是以系数块为单位，不同系数块具有不同的系数分布，即系数块能量值不同，稀疏度不同。为了实现在带宽匹配下传输更多的信息量，根据系数块能量值并利用压缩感知来进行系数块带宽压缩并实现带宽匹配。在进行带宽匹配后，我们推导出最优的基于压缩感知的伪模拟传输功率失真优化模型，确定系数块的功率分配因子。
如图1所示，本发明实施例提供的基于压缩感知的无线图像传输方法主要包括如下步骤：
1、将图像进行小波变换，并将得到的系数均匀分块，获得一系列的系数块。
本发明实施例中，为了减小计算复杂度，所有操作都是以系数块为单位进行。
本发明实施例中，系数块分为低频系数块与高频系数块，在对一张图片进行去相关变换之后，左上角的系数块属于低频系数块，包含有大部分的能量；右下角的系数属于高频部分，能量较少，而且是稀疏的，便于使用压缩感知。
2、对于其中的低频系数块进行幅值偏移操作。
本发明实施例中，对于小波变换后的低频系数，根据其能量值很高且相邻系数值相近的特性，可以对低频系数块进行幅值偏移操作并直接进行伪模拟传输(不采用压缩感知操作)，这样可以提高功率效率。
幅值偏移操作具体过程如下：将低频系数块划分为更小的系数块并计算划分后每一系数块的均值，再将划分后每一系数块内所有系数减去所对应的均值，得到幅值偏移后的系数块。
3、对于其中的高频系数块，结合高频系数块能量值，利用压缩感知来进行高频系数块的带宽压缩并实现带宽匹配。
本发明实施例中，对于高频系数块，根据高频系数块能量值权重进行带宽初分配，计算高频系数块的权重因子wi：
Figure BDA0001590389570000031
其中，λi表示高频系数块i的能量值；∑λj表示对所有高频系数块能量求和；
结合权重因子wi计算高频系数块i的初分配的带宽(采样率)bi：
bi＝B·wi；
其中，B为低频系数块占用部分带宽后剩余带宽。
本发明实施例中，假设每个高频系数块(所有待进行压缩感知的高频系数块，对应的它们的压缩比)所分配带宽为特定数值，特定数值可以设为1。因此每个高频系数块所分配的带宽等于其所对应的采样率。当bi大于1时，将其设置为1，然后将带宽小于1的高频系数块重新按照上述公式进行带宽计算。重复这个步骤直到所有高频系数块的带宽均不大于1。此处，对超过1的高频系数块置1，然后将剩余的带宽分配给小于1的高频系数块；这样做的目的是，一方面，保证对于所有的bi，有0<bi<＝1；另一方面，因为给定的带宽是固定的，将带宽大于1的系数块设定为1之后就会有部分带宽多余出来，从而将这部分多余出来的带宽再分配给带宽小于1的高频系数块。
筛选出带宽初分配结果小于特定数值的高频系数块，并通过下述方式进行带宽重分配：计算筛选出的每一高频系数块的稀疏度η，当η小于第一阈值时，即丢弃相应高频系数块；当η小于第二阈值时，相应高频系数块的带宽分配为A1；当η小第三阈值时，相应高频系数块的带宽分配为A2；当η小于第四阈值时，相应高频系数块的带宽分配为A3；当η大于第四阈值时，相应高频系数块的带宽分配为A4；其中，A4>A3>A2>A1；将筛选出的高频系数块按照能量值大小降序排列，并基于上述稀疏度与带宽的关系依次进行带宽分配，直至带宽用尽，并丢弃未分配到带宽的高频系数块。
本发明实施例中，稀疏度是指系数幅值大于预设值的个数占总个数的比值。
示例性的，预设值可以设为5；第一、第二、第三、第四阈值可对应的设为0.05、0.1、0.2、0.4。A1、A2、A3、A4可对应的设为0.45、0.6、0.75、0.9。需要说明的是，这些参数的具体数值仅为举例并非构成限制，在实际应用中，用户可以根据实际情况或者经验来设定各个参数的具体数值。
4、将进行幅值偏移操作后的低频系数块与经过压缩感知处理后的高频系数块进行功率分配后向外传输。
本发明实施例中，功率分配时，通过下式计算需要传输的各系数块(即进行幅值偏移操作后的低频系数块，以及压缩感知处理后的高频系数块)的功率分配因子：
Figure BDA0001590389570000041
其中，gk为当前所计算的系数块k的功率分配因子，系数块k可以是幅值偏移操作后的低频系数块，也可以是压缩感知处理后的高频系数块；P是总功率；分子、分母部分的Ck、Cu是指系数块k、系数块u的功率分配参数，系数块k与系数块u实际含义类似，只是在公式中系数块k对应为当前所计算的系数块，即可以理解为一个确定值，而u则对应于所有系数块中任一个，结合相关求和符号即表示针对所有系数块相关参数求和。
此外，假设每一系数块的大小为n×n，当系数块k或者系数块u，是低频系数块或者带宽为特定数值(如前文所述，特定数值可以设为1)的高频系数块时，功率分配参数为n2；当系数块k或者系数块u，是带宽小于特定数值的高频系数块时，结合其进行压缩感知处理后所分配的带宽大小M(即之前A1、A2、A3或A4)来计算功率分配参数Ck与Cu的计算公式表示为：Ck与
Figure BDA0001590389570000042
Nsc表示低频系数块和带宽为特定数值的高频系数块的总数目，else表示带宽小于特定数值的高频系数块的数目，T为总的系数块数目，T＝Nsc+else；
类似的，λk'、λu'对应为系数块k、系数块u的能量值；当系数块k或者系数块u，是低频系数块或者带宽为特定数值的高频系数块时，能量值未发生变化，依然为原能量值；当系数块k或者系数块u，是带宽小于特定数值的高频系数块时，代表经过压缩感知处理之后的能量值。(由于经过压缩感知处理，此部分系数块系数放生变化，其能量值也随之变化)。
此外，向外传输时，功率分配后的各系数块通过QAM调制后直接在无线信道上传输，所涉及的各系数块的能量值以及低频系数块进行幅值偏移操作所计算到的所有均值均作为元数据通过数字传输方式传输。
本发明实施例上述方案主要具有如下优点：根据系数块在变换域系数稀疏的特点，压缩感知的引入可以成功的对系数块进行压缩，从而可以传输更多的系数块。另外通过推导的针对压缩感知系数块的功率分配因子实现了最优的功率失真优化，相比于传统的丢弃策略，此方法可以实现更好的传输性能。
为了便于理解，下面结合示例做进行介绍。
本示例中，基于压缩感知的无线图像传输方法主要通过低频部分幅值偏移，高频部分带宽分配并压缩感知以及整体的功率分配组成。主要分为以下几个步骤：
1)图像处理。
将图像进行9/7小波变换处理(三级小波分解)，得到的系数被均匀划分成n×n的系数块(假设n＝32)。在本示例中并不限定图像的分辨率。
2)幅值偏移操作。
对划分后的低频系数块进行幅值偏移操作，我们将系数块进一步划分为更小的m×m系数块(假设m＝8)并计算每个系数块的均值。系数块中每个系数减去均值得到系数值更小的幅值偏移后的系数。本示例中划分后系数块的均值将被作为元数据。
3)压缩感知处理。
对于低频系数块，其带宽直接设置为1，即不进行压缩感知处理。
高频系数块根据前述操作进行带宽分配处理，得到每个系数块所对应的带宽值。这里计算稀疏度时所涉及的预设值设置为5，然后根据压缩感知操作进行线性映射。本示例中，选取高斯随机矩阵作为压缩感知的观测矩阵，矩阵大小为1024×1024。对于带宽为的bi系数块，将其排列成列并与观测矩阵的前L(L＝bi·n2)行进行矩阵乘积操作得到需要传输的测量值系数(即进行压缩感知处理之后得到的测量值系数)。
4)功率分配
计算需要传输的系数块的能量值(压缩感知系数块则计算线性映射后的系数块能量值)并根据前述功率因子公式计算每个系数块的功率分配因子。本示例中的系数块能量值作为元数据。
本领域技术人员可以理解，压缩感知之后能量值发生了变化，则重新计算高频系数块的能量值，对系数块中的系数值平方进行求和。
5)传输与重建
经过上述处理的系数块将通过QAM调制直接在无线信道上传输，元数据因为其需要准确的传输将通过可靠的数字传输方式低速率传输。
在接收端接收到的系数块将通过最小均方误差重建(MMSE)得到接收系数块，然后对经过压缩感知处理的系数块进行重建(NESTA重建算法)。最后将得到的高频系数和低频系数进行合成，形成完整的小波系数。通过逆小波变换重建出接收的图像。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (3)

1.一种基于压缩感知的无线图像传输方法，其特征在于，包括：
将图像进行小波变换，并将得到的系数均匀分块，获得一系列的系数块；
对于其中的低频系数块进行幅值偏移操作；
对于其中的高频系数块，结合高频系数块能量值，利用压缩感知来进行高频系数块的带宽压缩并实现带宽匹配；
将进行幅值偏移操作后的低频系数块与经过压缩感知处理后的高频系数块进行功率分配后向外传输；
其中，对于高频系数块，根据高频系数块能量值权重进行带宽初分配，计算高频系数块权重因子wi：
Figure FDA0002480159050000011
其中，λi表示高频系数块i的能量值；∑λj表示对所有高频系数块能量求和；
结合权重因子wi计算高频系数块i的初分配的带宽bi
bi＝B·wi；
其中，B为低频系数块占用部分带宽后剩余带宽；
对于初分配的带宽大于特定数值的高频系数块，将其带宽置为所述特定数值，然后，将初分配的带宽小于特定数值的高频系数块重新按照上述计算公式进行带宽计算，直至所有高频系数块初分配的带宽均不大于特定数值；
筛选出带宽初分配结果小于特定数值的高频系数块，并通过下述方式进行带宽重分配：计算筛选出的每一高频系数块的稀疏度η，当η小于第一阈值时，即丢弃相应高频系数块；当η小于第二阈值时，相应高频系数块的带宽分配为A1；当η小第三阈值时，相应高频系数块的带宽分配为A2；当η小于第四阈值时，相应高频系数块的带宽分配为A3；当η大于第四阈值时，相应高频系数块的带宽分配为A4；其中，A4>A3>A2>A1；将筛选出的高频系数块按照能量值大小降序排列，并基于上述稀疏度与带宽的关系依次进行带宽分配，直至带宽用尽，并丢弃未分配到带宽的高频系数块；
通过下式计算需要传输的各系数块的功率分配因子：
Figure FDA0002480159050000021
其中，gk为当前所计算的系数块k的功率分配因子，系数块k为幅值偏移操作后的低频系数块，或者压缩感知处理后的高频系数块；P是总功率；Ck、Cu是指系数块k、系数块u的功率分配参数；假设每一系数块的大小为n×n，当系数块k或者系数块u，是低频系数块或者带宽为特定数值的高频系数块时，功率分配参数设为n2；当系数块k或者系数块u，是带宽小于特定数值的高频系数块时，结合其进行压缩感知处理后所分配的带宽大小M来计算功率分配参数，Ck与Cu的计算公式表示为：
Figure FDA0002480159050000022
Nsc表示低频系数块和带宽为特定数值的高频系数块的总数目，else表示带宽小于特定数值的高频系数块的数目，T为总的系数块数目，T＝Nsc+else；λ′k、λ′u对应为系数块k、系数块u的能量值，当系数块k或者系数块u，是低频系数块或者带宽为特定数值的高频系数块时，能量值未发生变化，依然为原能量值；当系数块k或者系数块u，是带宽小于特定数值的高频系数块时，代表经过压缩感知处理之后的能量值。
2.根据权利要求1所述的一种基于压缩感知的无线图像传输方法，其特征在于，对低频系数块进行幅值偏移操作包括：
将低频系数块划分为更小的系数块并计算划分后每一系数块的均值，再将划分后每一系数块内所有系数减去所对应的均值，得到幅值偏移后的系数块。
3.根据权利要求1所述的一种基于压缩感知的无线图像传输方法，其特征在于，向外传输时，功率分配后的各系数块通过QAM调制后直接在无线信道上传输，所涉及的各系数块的能量值以及低频系数块进行幅值偏移操作所计算到的所有均值均作为元数据通过数字传输方式传输。
CN201810186372.6A 2018-03-07 2018-03-07 一种基于压缩感知的无线图像传输方法 Active CN108347608B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810186372.6A CN108347608B (zh) 2018-03-07 2018-03-07 一种基于压缩感知的无线图像传输方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810186372.6A CN108347608B (zh) 2018-03-07 2018-03-07 一种基于压缩感知的无线图像传输方法

Publications (2)

Publication Number Publication Date
CN108347608A CN108347608A (zh) 2018-07-31
CN108347608B true CN108347608B (zh) 2020-12-25

Family

ID=62956540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810186372.6A Active CN108347608B (zh) 2018-03-07 2018-03-07 一种基于压缩感知的无线图像传输方法

Country Status (1)

Country Link
CN (1) CN108347608B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103327326A (zh) * 2013-05-30 2013-09-25 西安交通大学 基于压缩感知和信道自适应的sar图像传输方法
CN105430347A (zh) * 2015-11-30 2016-03-23 燕山大学 一种基于压缩感知的无线传感器图像采集传输系统
CN105451024A (zh) * 2015-12-31 2016-03-30 北京大学 一种采用压缩感知的数字全息图编码传输方法
CN107690070A (zh) * 2017-08-23 2018-02-13 南通河海大学海洋与近海工程研究院 基于无反馈码率控制的分布式视频压缩感知系统及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574450B (zh) * 2014-12-31 2017-06-16 南京邮电大学 一种基于压缩感知的图像重构方法
CN105761290B (zh) * 2016-03-01 2018-11-27 北京理工大学 一种自适应的多尺度分块压缩感知采样方法
CN105898302B (zh) * 2016-04-28 2019-10-11 上海斐讯数据通信技术有限公司 一种基于压缩感知的图像传输方法及系统
CN105894547A (zh) * 2016-05-06 2016-08-24 南昌航空大学 基于组波变换压缩感知的图像处理方法
CN106412596B (zh) * 2016-10-12 2019-04-09 北京大学 一种基于梯度采样信息的视频图像传输方案

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103327326A (zh) * 2013-05-30 2013-09-25 西安交通大学 基于压缩感知和信道自适应的sar图像传输方法
CN105430347A (zh) * 2015-11-30 2016-03-23 燕山大学 一种基于压缩感知的无线传感器图像采集传输系统
CN105451024A (zh) * 2015-12-31 2016-03-30 北京大学 一种采用压缩感知的数字全息图编码传输方法
CN107690070A (zh) * 2017-08-23 2018-02-13 南通河海大学海洋与近海工程研究院 基于无反馈码率控制的分布式视频压缩感知系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Robust Satellite Image Transmission over Bandwith-Constrained Wireless Channels;Yali Wang et al.;《2017 International Conference on Communications》;20170525;摘要、第II、III、IV部分的第A小节 *

Also Published As

Publication number Publication date
CN108347608A (zh) 2018-07-31

Similar Documents

Publication Publication Date Title
Pratt et al. Slant transform image coding
KR20190049552A (ko) 은닉 변수를 이용하는 영상 및 신경망 압축을 위한 방법 및 장치
Ghrare et al. Digital image compression using block truncation coding and Walsh Hadamard transform hybrid technique
Li et al. Metaheuristic FIR filter with game theory based compression technique-A reliable medical image compression technique for online applications
EP3363200B1 (en) Data compression
CN111179144B (zh) 一种多进制秘密信息多次嵌入的高效信息隐藏方法
Swathi et al. Image compression using singular value decomposition
Ernawan et al. An adaptive JPEG image compression using psychovisual model
CN108347608B (zh) 一种基于压缩感知的无线图像传输方法
Sadkhan A proposed image compression technique based on DWT and predictive techniques
T Hashim et al. Color image compression using DPCM with DCT, DWT and quadtree coding scheme
Radhakrishnan et al. Novel Image Compression Using Multiwavelets with SPECK Algorithm.
Rekha et al. Image compression using multilevel thresholding based Absolute Moment Block Truncation Coding for WSN
Otair et al. Research article lossy image compression by Rounding the Intensity Followed by Dividing (RIFD)
Pan et al. Complexity-scalable transform coding using variable complexity algorithms
Kumari et al. Image quality estimation by entropy and redundancy calculation for various wavelet families
Wiewel FPGA implementation of an energy-efficient real-time image compression algorithm for the EIVE satellite mission
Kekre et al. Halftone image data compression using Kekre’s fast code book generation (KFCG) algorithm for vector quantization
CN117336494B (zh) 一种基于频域特征的双路径遥感影像压缩方法
Deepa et al. Image compression using Hybrid wavelet Transform and their Performance Comparison
CN113852827B (zh) 一种基于部分块匹配和半张量积的图像加密方法
Padmashree et al. Comparative analysis of quad-tree partitioned iterated function systems for medical images
Atreya et al. Novel lossy compression algorithms with stacked autoencoders
CN114095727B (zh) 一种基于演化计算的jpeg图像编码优化方法
Qiu et al. Low-Rate, Low-Distortion Compression with Wasserstein Distortion

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant