مدلسازی منابع تنک غیرموکد با استفاده از توزیع های دنباله دار (KBEI-2016)

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 دار