CN1878313A - 基于图像块动态划分矢量量化算法的图像压缩芯片 - Google Patents
基于图像块动态划分矢量量化算法的图像压缩芯片 Download PDFInfo
- Publication number
- CN1878313A CN1878313A CN 200610042813 CN200610042813A CN1878313A CN 1878313 A CN1878313 A CN 1878313A CN 200610042813 CN200610042813 CN 200610042813 CN 200610042813 A CN200610042813 A CN 200610042813A CN 1878313 A CN1878313 A CN 1878313A
- Authority
- CN
- China
- Prior art keywords
- address
- code book
- control unit
- image
- distortion factor
- 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.)
- Granted
Links
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
一种基于图像块动态划分矢量量化算法的图像压缩芯片,芯片采用PDVQ算法,包括外部存储器、控制单元、数据缓冲器、分类模块、码书地址编码器、码书存储器、失真度计算单元、预测控制器、量化控制器、和值存储器;数据缓冲器通过16位数据线与外部存储器相连;数据缓冲器还通过16位数据线分别与失真度计算单元、分类模块以及控制单元连接;分类模块通过码书地址编码器与码书存储器连接,码书存储器和失真度计算单元相连,失真度计算单元分别与预测控制器和量化控制器相连,控制单元分别与数据缓冲器、分类模块、码书存储器、预测控制器和量化控制器相连;控制单元通过使能信号控制各个功能模块,各个功能模块通过工作完成信号向控制单元报告工作状态。
Description
技术领域
本发明属于集成电路设计技术领域及其图像的压缩传输领域,具体涉及到在VQ(矢量量化)硬件实现中,对部分关键电路的专用设计,得到编码速度快、有较高压缩比、还原图像质量较高的基于图像块动态划分矢量量化(PDVQ)算法的图像压缩芯片。
背景技术
从20世纪80年代开始,人们就致力于图像编码技术的研究,不断提出新的编码算法,并且结合新技术对已有算法进行改进。上个世纪90年代,静止图像专家组(JointPhotographic Experts Group)提出多灰度静止图像的数字编码标准——JPEG标准。同时,运动图像专家组(Moving Pictures Experts Group)结合JPEG标准和H.261标准提出运动图像的国际压缩标准——MPEG系列标准。JPEG专家组又结合小波变换技术提出JPEG2000标准,大大加强了静止图像的编码效率。这些标准是人们根据图像数据的大量冗余性发展出以消除数据冗余为目的的编码技术,因此被称为第一代视频编码技术。现在人们把目光投向第二代视频编码技术,其编码技术充分考虑人眼的视觉特性,以消除视频冗余为目的,而最具有代表性的就是MPEG的第四代运动图像压缩编码标准MPEG-4。
虽然有各种图像压缩算法对图像进行压缩,但目前实现图像实时压缩传输还是要靠图像压缩芯片,因此基于VLSI技术的压缩算法的硬件实现,是一个国内外研究的一个热点,取得了不少的研究成果。如美国模拟器件公司(ADI)发布的图像压缩芯片ADV-JP2000,是世界上首款支持JPEG2000图像压缩编码标准的芯片。国内也有单位在进行这方面的研究,如清华大学集成电路与系统设计实验室正在研究的以小波变换为基础的课题《基于JPEG2000的图像压缩芯片系统的设计》,目前仍处于研究阶段。鉴于图像压缩处理对民用尤其是军用具有重要意义,所以开发出具有自主知识产权的性能优良的图像压缩芯片是非常必要的。而国内目前还未有自主知识产权的图像压缩芯片问世,因此这是一个非常迫切的工作。
为了普及可以传输接受图像的通信系统,特别是面向个人的携带型设备,迫切希望能够开发出一种运算速度快、易于硬件实现的压缩解码算法。
矢量量化(Vector Quantization,VQ)技术是一种20世纪70年代后期发展起来的数据压缩技术,基于VQ技术的图像压缩方法是利用相邻图像数据之间的高度相关性,将输入的图像数据序列分组,形成一个k维空间Rk中的一个矢量,然后对此矢量进行量化,只传输或存储矢量地址,因而可以大大提高压缩率。由于VQ技术具有压缩率大、算法简单的特点,因此非常适合于硬件实现。但是由于矢量量化的编码算法的大运算量和高复杂度制约了其在高速和实时编码系统中的应用。
发明内容
本发明的目的是提供一种基于图像块动态划分矢量量化算法的图像压缩芯片,该芯片具有较高的压缩比、编码速度快、还原后图像质量较高。
为了实现上述任务,本发明采用如下的技术解决方案:
一种基于PDVQ算法的图像压缩芯片,其特征在于,该图像压缩芯片包括:
一个外部存储器,用于保存待编码图像;
一控制单元,用于负责协调整个系统的正常运行;
一个数据缓冲器,用于存放8×8图像块,图像块包括当前子图像块CV和相邻子图像块DV、RV和RDV的数据;
一个分类模块,用于对当前子图像块CV进行分类;
一个码书地址编码器,用于将分类模块输出的相对地址转化为码字在码书中的实际物理地址计算,并将结果码书地址输出给码书存储器;
一个码书存储器,用于向失真度计算单元输出码书内对应地址的矢量;
一个失真度计算单元,用于完成失真度计算;
一个预测控制器,用于完成预测;
一个量化控制器,用于将得到的失真度与当前最小失真度进行比较,更新最小失真度,同时记录与最小失真度相对应的码字地址;
一个和值存储器,该和值存储器与分类模块相连接;
数据缓冲器通过16位数据线与外部存储器相连;数据缓冲器还通过16位数据线分别与失真度计算单元、分类模块以及控制单元连接;分类模块通过码书地址编码器与码书存储器连接,码书存储器和失真度计算单元相连,失真度计算单元分别与预测控制器和量化控制器相连,控制单元分别与数据缓冲器、分类模块、码书存储器、预测控制器和量化控制器相连;控制单元通过使能信号控制各个功能模块,各个功能模块通过工作完成信号向控制单元报告工作状态。
本发明的基于动态划分矢量量化算法的图像压缩芯片,带来的技术效果是:
(1)如果使用普通VQ技术,当选用1024的码书时,压缩比为12.8。可以看出,PDVQ图像编码的压缩比得到很大的提高,比如:对于较多细节的图像,其压缩率可以提高大约10%左右,达到14.22;对于中等细节图像,压缩率可以达到18.66,提高了大约46%;效果最明显的是对于细节较少图像的编码,其压缩率达到23.76,提高了大约一倍。
(2)同时还可以看出,在提高压缩比的同时,PSNR值相对于普通VQ只是略有降低,大约在0.3%左右,因此保证了重建图像的质量。通过对使用普通VQ和PDVQ对标准图像“Peppers”进行编码后的重建图像对比,可以看出,PDVQ重建图像的视觉效果是令人满意的。
(3)此外,申请人又对PDVQ的编码速度进行了测试,测试环境为P4-1.4GHz,测试平台为Matlab6.0,其结果为:普通VQ进行一次全编码平均需要67秒,而PDVQ只需要大约45秒,速度提高了30%。这个结果与预测的结果相当吻合。无论是理论分析,还是实验结果,都可以验证图像块动态划分(PDVQ)技术的性能。本发明的目的是充分利用该芯片的优势,在对图像质量没有特别要求的情况下,使用PDVQ技术进行VQ编码,达到提高图像压缩比和编码速度,同时兼顾了这些性能的提高对重建图像质量的影响微乎其微的要求。
经申请人使用证明,达到的预期目的。
附图说明
图1是矢量量化图像编码系统的构成图;
图2是图像子块的标记图;
图3是PDVQ图像编码系统硬件结构图;
图4是分块搜索电路结构图;
图5是大块预测电路结构图;
图6是分类判别电路结构图;
图7是基于和值分块查找电路结构图;
图8是分类编码电路结构图。
上述图之间的关系说明:图3中虚线框内的电路结构包含了图4的分块搜索电路,图6的分类判别电路和图7的基于和值分块查找电路结构。
图4是图3中虚线框内分块搜索电路实现的详细结构。
图5是大块预测电路在整个系统中的位置对应图3中的失真度计算单元(Distortion)。
图6分类判别电路在整个系统中的位置对应图3中的分类模块(Sort)。
图7是图3中虚线框内基于和值分块查找电路实现的详细结构。
下面结合附图对本发明做进一步详细说明。
具体实施方式
本发明的基于图像块动态划分矢量量化算法的图像压缩芯片具体结构参见图3,该芯片包括外部存储器、控制单元、数据缓冲器、分类模块、码书地址编码器、码书存储器、失真度计算单元、预测控制器、量化控制器、和值存储器;待编码图像保存在外部存储器中,缓冲器(Cache)存放8×8图像块(包括当前子图像块CV和相邻子图像块DV、RV和RDV)的数据。数据缓冲器(Cache)通过16位数据线data_im与外部存储器相连,在来自控制单元(Controller)的信号shift_load_n,shift_en_n,ram_wr_n,ram_oe_n控制下,它输出像素值给失真度计算单元(distortion)以及分类模块(Sort)。
数据缓冲器(Cache)与失真度计算单元(distortion)之间连接通过16位数据线data_cv和data_xv实现。通过16位数据线data_cv传送当前子图像块CV的像素值,通过16位数据线data_xv传送相邻子图像块DV、RV和RDV的像素值。
数据缓冲器(Cache)与分类模块(Sort)之间通过16位数据线data_cv_in连接,传送当前子图像块CV的像素值。
分类模块(Sort)在来自控制单元(Controller)的信号Sort_en的控制下工作,分类完成后,向控制单元(Controller)返回Sort_end信号;向码书地址编码器输出对当前子图像块CV进行编码的参考地址addr_top。
码书地址编码器根据输入的参考地址addr_top信号,完成将分类模块输出的相对地址转化为码字在码书中的实际物理地址计算,并将结果码书地址addr_cb输出给码书存储器(ROM_CB)。
码书存储器(ROM_CB)在来自控制单元(Controller)的信号rom_cb_oe的控制下工作,向失真度计算单元(distortion)输出码书内对应地址addr_cb的矢量data_cb。
失真度计算单元(distortion)完成失真度计算,将结果通过12位数据线distortion输出给预测控制器(pred_CTR)和量化控制器(encd_CTR)。
预测控制器(pred_CTR)在来自控制单元(Controller)的信号pred_en的控制下工作,预测完成后,将标志位信号Flag及预测结束信号pred_end输出给控制单元(Controller);
失真度计算单元(distortion)在预测阶段和量化阶段都要工作。对子图像块进行量化编码时,失真度计算单元(distortion)根据待量化子图像块的像素值和来自码书存储器(ROM_CB)的矢量data_cb进行失真度计算,将结果通过12位数据线distortion输出给量化控制器(encd_CTR)。
量化控制器在来自控制单元(Controller)的信号encd_en的控制下工作,根据得到的失真度,与当前最小失真度进行比较,更新最小失真度,同时记录与最小失真度相对应的码字地址。当量化结束时,该模块输出匹配码字对应的地址码addr_match和量化完成信号(encd_end),该地址码与预测所产生的Flag共同构成图像块的匹配地址。
控制单元(Controller)负责协调整个系统的正常运行。控制单元通过使能信号(_en)控制各个功能模块,各个功能模块通过工作完成信号(_end)向控制单元报告工作状态。
图像块的相关度计算采用了失真测度的方法,所以对于整个系统来说除了常用的求和电路以外,最主要的运算单元就是失真度计算单元(Distortion)。由于量化和相关度计算在不同的阶段进行,所以在硬件系统中只需要一个失真度计算单元。失真度计算单元的使用由控制单元进行管理。当进行图像块相关度计算或量化时将失真度计算单元分别分配到预测控制器或量化控制器,其他时间则通过使能信号使失真度模块处于空闲状态,以降低功耗。
其具体制备方法,按以下方式进行:
1、通过分块搜索电路
为了消除VQ编码的冗余计算量,研究者们通常设计新的码字匹配算法来代替穷尽搜索算法,以此来提高编码速度,如多级矢量量化(MVQ)、预测矢量量化(PVQ)等,而本设计中提出的分块搜索算法是一种效率较高的匹配算法。另外还可以通过减少有效的待编码图像块矢量达到消除冗余计算量的目的。
2、通过图像块动态划分矢量量化(PDVQ)技术及其电路
本设计中提出的图像块动态划分矢量量化(PDVQ)技术就是通过确定相邻图像块之间的相关性,只对非相关图像块进行量化编码,从而减少了有效的编码矢量的数量。
PDVQ算法是针对专用芯片应用,在传统VQ算法基础上开发的快速算法,其核心结构分为三个部分:大块预测,类型判别和基于和值分块查找。
①大块预测电路:
原始的图像数据被划分成8×8的图像块,这些块进一步分成4个4×4的子图像块,计算各子图像块之间的相似度关系,如果相似,认为该8×8的图像块是平滑的,只需对其中一个4×4的块进行矢量量化编码,其他各块的编码结果与其一致。如果不平滑,则需要对每个子块都进行矢量量化编码。
②分类判别电路:
对每个4×4的子图像块进行统计时发现,图像存在着水平,垂直,对角等方向性。因此可以根据这个特性预先对码书进行排序,在对图像块编码时,只需要先对图像块进行类型判别,即可在对应的码书范围内进行矢量匹配,这样大大缩小了运算量。
③基于和值分块查找电路:
硬件实现时,采用的矢量匹配准则是一范数,而图像块的和值与一范数之间存在着对映关系。这表现在:对于任一个图像矢量,与码书矢量进行完匹配之后,一范数最小的那个码书矢量的和值往往也最接近图像矢量的和值。这样就可以预先对码书矢量按照和值进行排序,分成若干个区。在进行匹配运算之前先计算图像块的和值,然后到和值最接近的区域内进行匹配运算,这样可以减少计算量。
将上述三个部分综合到一起,合理的选取相关参数,就构成了PDVQ算法。
3、通过分类编码电路
研究者通过优化码书的组织结构来提高VQ编码性能,本设计中提出的分类编码算法就是基于分类码书提出的VQ快速编码算法。
本发明将结合PDVQ、分类编码算法以及分块搜索算法等三种算法,提出完整的VQ编码器的设计方案,并给出了编码器在0.35um CMOS工艺下的ASIC结构。为了降低计算复杂度,本发明采用平均绝对值误差(MAE)作为失真测度,这已被证明是非常有效的。
PDVQ编码的具体实施过程如下:
1)图像块读取。从外部存储器中的待编码图像中读取一个8×8的图像块,作为PDVQ技术的目标图像块。将该图像块按照图2所示划分为四个子图像块,并转化为一维矢量,分别如图所示标记为:CV、DV、RV与RDV。
2)相关度计算。分别计算CV和DV、RV、RDV的相关度,并按照公式(3-1)标记。
3)子图像块矢量之间的相关度与相关度阈值的比较。将步骤(2)得到的相关度分别与相关度阈值T进行比较,如果满足关系式(3-2),则代表读取的8×8图像块为相关图像块,只需要对CV进行矢量量化,编码流程进入步骤(4);反之,则代表该8×8图像块不满足相关性要求,需要对每一个子图像块矢量进行矢量量化,编码流程进入步骤(6)。
(CCR<T)&(CCD<T)&(CCRD<T)……………(3-2)
3)相关图像块的量化。如果读取的8×8图像为相关图像块,则只对子图像块矢量CV进行矢量量化,得到CV的匹配地址码,并将这个地址码作为整个8×8图像块的地址码,即DV、RV和RDV的匹配地址码与CV相同。
4)相关图像块匹配地址码的生成。为了与非相关图像块区别,如上所述,需要附加标志位Flag,所以完整的匹配地址码如公式(3-3)所示。在公式(3-9)中,Match_Index代表附加了标志位Flag后的完整的匹配地址码,Match_Address代表通过矢量量化得出的匹配地址码。
Match_Index={Flag,Match_Address}………(3-3)
5)非相关图像块的量化。如果判定所读取的8×8图像块为非相关图像块,则需要对每个子图像块矢量进行矢量量化。PDVQ按照CV→DV→RV→RDV的顺序分别对子图像块矢量进行量化,并将得到的匹配地址码送到步骤(7)。
6)非相关图像块匹配地址码的生成。与步骤(5)相同。需要说明的是:对于相关图像块,Flag设定为‘0’,匹配地址码的码长为9比特;对于非相关图像块,Flag设定为‘1’,匹配地址码的码长为4×9比特。
7)当前图像块编码结束,继续读取下一个8×8图像块,重复步骤(1)~(8)直到整幅图像编码结束。
参见图4,待编码的子图像块x,经和值计算单元计算出和值S(x),送给和值匹配单元,得到与子图像块和值最匹配和值对应的码书块j;然后将这一码书块的码字输出给失真度计算及比较单元;失真度计算及比较单元对经延迟单元处理的待编码的子图像块x及来自码书的码字进行运算,输出结果i。
参见图5,数据加载单元在来自预测控制单元的信号pred_en的控制下,输出当前子图像块像素值data_cv和相临子图像块像素值data_xv到失真度计算单元,失真度计算单元在来自预测控制单元的进位信号pixe_carry的控制下,输出计算中间结果data_temp给累加及比较单元,得到最终的失真度值distortion输出给预测控制单元。预测结束后,预测控制单元将最终失真度值distortion输出给标志位确定单元,标志位确定单元根据预先确定的阈值TH_VALUE及distortion的值,确定标志位flag并输出。
参见图6,数据加载单元读入4×4图像块(16个像素值),通过数据线In_Data_Bus送给2x2块划分单元,得到4个2×2图像块;2×2块划分单元输出划分后的像素值给和值计算单元,分别得到4个2×2图像块的像素值和In_SB1,In_SB2,In_SB3,In_SB4,送给减法及比较单元,经过减法及比较运算,输出6组进位信号,Carry23,Carry14,Carry24,Carry13,Carry34,Carry12给类型确定单元,类型确定单元在来自分类控制单元的分类结束信号sort_end的控制下,根据6组进位信号,确定输入的4×4图像块的类型out_type并输出。
参见图7,待编码的图像块数据data_im,送给和值计算单元,计算出和值data_sum送给参考地址确定单元,参考地址确定单元根据该图象块的类型信息type_value及和值data_sum,利用和值码书中的信息,确定与该子图象块和值最匹配的和值在码书中对应的码书块的参考地址refer_addr并输出。
参见图8,地址更新单元在来自编码控制单元的使能信号encd_en的控制下,向数据加载单元输出地址addr(信号位宽11),同时将addr的低8位输出给地址确定单元;数据加载单元根据来自地址更新单元的输入的码书地址信号addr(信号位宽11),输出待编码的当前图像块的像素值data_cv及来自码书对应地址addr(信号位宽11)的码字data_cb给失真度计算单元,失真度计算单元将计算结果dist(distortion)送失真度比较单元,得到多次失真度计算结果中最小的失真度值dist_min输出给编码控制单元;当编码结束后,编码控制单元通过改变向地址更新单元发出ence_en的值,使地址更新单元停止向数据加载单元输出地址,同时,地址确定单元将对应最小失真度的码字的地址作为最终编码地址addr_match输出。
表1给出了VQ图像编码系统仿真结果,表2给出了采用本发明的方法得到的PDVQ芯片性能参数。
表1:VQ图像编码系统仿真结果
图像 | PSNR(dB) | 压缩比(CR∶1) | 编码时间(秒) |
Man | 25.85 | 16.38 | 20 |
Peppers | 27.43 | 17.74 | 17 |
Airplane | 26.69 | 21.52 | 14 |
Boats | 26.34 | 19.90 | 15 |
Lena | 27.73 | 19.19 | 16 |
Splash | 30.00 | 27.24 | 11 |
表2PDVQ芯片性能参数:
逻辑门数 | 27704Gates |
RAM | 16×32Bit |
ROM | 16×2048Bit(分类码书) |
20×64Bit(特征和值) | |
最高工作频率 | 100MHz@3V |
芯片尺寸 | 2.08×2.08mm |
动态功耗 | 332mW@3V |
漏电流功耗 | 9.01uW@3V |
Claims (3)
1.一种基于图像块动态划分矢量量化算法的图像压缩芯片,其特征在于,该图像压缩芯片包括:
一个外部存储器,用于保存待编码图像;
一控制单元,用于负责协调整个系统的正常运行;
一个数据缓冲器,用于存放8×8图像块,图像块包括当前子图像块CV和相邻子图像块DV、RV和RDV的数据;
一个分类模块,用于对当前子图像块CV进行分类;
一个码书地址编码器,用于将分类模块输出的相对地址转化为码字在码书中的实际物理地址计算,并将结果码书地址输出给码书存储器;
一个码书存储器,用于向失真度计算单元输出码书内对应地址的矢量;
一个失真度计算单元,用于完成失真度计算;
一个预测控制器,用于完成预测;
一个量化控制器,用于将得到的失真度与当前最小失真度进行比较,更新最小失真度,同时记录与最小失真度相对应的码字地址;
一个和值存储器,该和值存储器与分类模块相连接;
数据缓冲器通过16位数据线与外部存储器相连;数据缓冲器还通过16位数据线分别与失真度计算单元、分类模块以及控制单元连接;分类模块通过码书地址编码器与码书存储器连接,码书存储器和失真度计算单元相连,失真度计算单元分别与预测控制器和量化控制器相连,控制单元分别与数据缓冲器、分类模块、码书存储器、预测控制器和量化控制器相连;控制单元通过使能信号控制各个功能模块,各个功能模块通过工作完成信号向控制单元报告工作状态。
2.如权利要求1所述的基于PDVQ算法的图像压缩芯片,其特征在于,所述的码书地址编码器根据输入的参考地址信号,完成将分类模块输出的相对地址转化为码字在码书中的实际物理地址计算。
3.如权利要求1所述的基于PDVQ算法的图像压缩芯片,其特征在于,所述的码书存储器在来自控制单元的信号的控制下工作,向失真度计算单元输出码书内对应地址的矢量;失真度计算单元完成失真度计算,将结果通过12位数据线输出给预测控制器和量化控制器;预测控制器在来自控制单元的信号的控制下工作,预测完成后,将标志位信号Flag及预测结束信号输出给控制单元;失真度计算单元在预测阶段和量化阶段都要工作,对子图像块进行量化编码时,失真度计算单元根据待量化子图像块的像素值和来自码书存储器的矢量进行失真度计算,将结果通过12位数据线输出给量化控制器;量化控制器在来自控制单元的信号的控制下工作,根据得到的失真度,与当前最小失真度进行比较,更新最小失真度,同时记录与最小失真度相对应的码字地址;当量化结束时,该模块输出匹配码字对应的地址码和量化完成信号,该地址码与预测所产生的Flag共同构成图像块的匹配地址。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100428132A CN100455024C (zh) | 2006-05-15 | 2006-05-15 | 基于图像块动态划分矢量量化算法的图像压缩芯片 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100428132A CN100455024C (zh) | 2006-05-15 | 2006-05-15 | 基于图像块动态划分矢量量化算法的图像压缩芯片 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1878313A true CN1878313A (zh) | 2006-12-13 |
CN100455024C CN100455024C (zh) | 2009-01-21 |
Family
ID=37510575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006100428132A Expired - Fee Related CN100455024C (zh) | 2006-05-15 | 2006-05-15 | 基于图像块动态划分矢量量化算法的图像压缩芯片 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100455024C (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102025998A (zh) * | 2010-12-28 | 2011-04-20 | 重庆邮电大学 | 一种数字图像信号矢量量化码书设计方法 |
US8364476B2 (en) | 2008-04-16 | 2013-01-29 | Huawei Technologies Co., Ltd. | Method and apparatus of communication |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5313298A (en) * | 1992-03-05 | 1994-05-17 | Rubin, Bednarek And Associates, Inc. | Video companding method and system |
US5828413A (en) * | 1995-09-21 | 1998-10-27 | Lucent Technologies Inc. | Method and apparatus for image processing using model-based localized quantization |
CN1193616C (zh) * | 2000-09-29 | 2005-03-16 | 中兴通讯股份有限公司 | 一种用于图像压缩传输的量化与码流控制方法 |
-
2006
- 2006-05-15 CN CNB2006100428132A patent/CN100455024C/zh not_active Expired - Fee Related
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8364476B2 (en) | 2008-04-16 | 2013-01-29 | Huawei Technologies Co., Ltd. | Method and apparatus of communication |
CN102132494B (zh) * | 2008-04-16 | 2013-10-02 | 华为技术有限公司 | 通信方法和通信装置 |
CN102025998A (zh) * | 2010-12-28 | 2011-04-20 | 重庆邮电大学 | 一种数字图像信号矢量量化码书设计方法 |
CN102025998B (zh) * | 2010-12-28 | 2013-05-08 | 重庆邮电大学 | 一种数字图像信号矢量量化码书设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100455024C (zh) | 2009-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Choi et al. | Deep feature compression for collaborative object detection | |
CN1223959C (zh) | 编码系统中基于宏块的速率控制装置和方法 | |
CN101061515A (zh) | 表示时变图形模型的数据流的编码方案 | |
CN1283291A (zh) | 执行可缩放的分层运动估算的装置与方法 | |
CN1409558A (zh) | 图像和视频编码用的改进的块变换和量化 | |
CN110517329A (zh) | 一种基于语义分析的深度学习图像压缩方法 | |
CN1126065C (zh) | 压缩和解压缩图象 | |
KR20120036834A (ko) | 하나 이상의 구성 요소들을 포함하는 3d 메시 모델을 인코딩/디코딩하는 방법 | |
CN1689026A (zh) | 用于自适应块变换的基于上下文的自适应可变长度编码 | |
CN1632479A (zh) | 一种基于三维预测的高光谱图像无损压缩方法 | |
CN111147862B (zh) | 一种基于目标编码的端到端图像压缩方法 | |
CN1190755C (zh) | 基于感知器的彩色图像无损压缩方法 | |
CN101917622B (zh) | 14bit位宽图像压缩硬件编码器 | |
US20070116371A1 (en) | Decoding apparatus, inverse quantization method, and computer readable medium | |
CN113822147A (zh) | 一种协同机器语义任务的深度压缩方法 | |
Hong et al. | Efficient neural image decoding via fixed-point inference | |
WO2011064073A1 (en) | Method, device and system for image compression and decompression using support vector regression | |
CN1878313A (zh) | 基于图像块动态划分矢量量化算法的图像压缩芯片 | |
CN104202605A (zh) | 一种通过降低分辨率预测高清图像编码单元cu的划分方式的方法及其实现装置 | |
Mei et al. | Learn a compression for objection detection-vae with a bridge | |
CN116896638A (zh) | 一种面向输电运检场景的数据压缩编码技术 | |
CN114386595B (zh) | 一种基于超先验架构的sar图像压缩方法 | |
CN102088607A (zh) | 基于jpeg2000标准的mq编码方法和电路 | |
CN1195449A (zh) | 图象编码装置、图象译码装置及图象传输系统 | |
CN103152567A (zh) | 一种任意阶数指数哥伦布编码器及其方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090121 Termination date: 20110515 |