Parameter choice for predictor blending and its application in lossless image coding

• Autorzy: Ulacha G.

Warianty tytułu

PL

Dobór parametrów metody mieszania predyktorów i jej zastosowanie w systemie bezstratnej kompresji obrazów

• Konferencja: Reprogramowalne Układy Cyfrowe (18-19 maja 2006; Szczecin; Polska)
• Języki publikacji: PL

Abstrakty

PL

W pracy poruszono zagadnienie mieszania predykatorów przy modelowaniu danych w kompresji bezstratnej. Zaproponowano nową, ulepszoną metodę, której wyprowadzenie oparto na wszechstronnych badaniach otoczeń mieszanych predyktorów. Technika jest względnie prosta, co zwłaszcza dotyczy jej uproszczonej wersji przeznaczonej do działania w czasie rzeczywistym. Wersja ta doskonale nadaje się do implementacji sprzętowej. Badania przeprowadzone na 45 testowych obrazach pokazują, że rzeczywiście nowa metoda jest bardziej efektywna od najlepszych algorytmów tej klasy znanych z literatury.

EN

In the paper data modeling for lossless coding based on predictor merging is addressed. A new, improved method is proposed, the construction of which has been preceded by extensive research of the influence of predictor neighborhoods used for defining blending coefficients. The method is relatively simple, especially its simplified real-time version, while experiments with 45 test images show that indeed, it is more efficient than techniques known in the literature. The simplified algorithms version is ideally suited for hardware implementation.

Słowa kluczowe

PL

parametry metody mieszania predyktorów; zastosowanie; system bezstratnej kompresji obrazów

EN

parameter choice; predicator blending; application in lossess image coding

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2006
• Tom: R. 52, nr 7 bis
• Strony: 95--97
• Opis fizyczny: Bibliogr. 7 poz.

Twórcy

autor

Ulacha G.

• Wydział Informatyki, Politechnika Szczecińska,

Bibliografia

• [1] K. Sayood: Introduction to Data Compression, 2nd edition, Morgan Kaufmann Publ., 2005.
• [2] A. Drozdek: Elements of Data Compression, Brooks-Cole, July 2001
• [3] X. Wu, N. D. Memon: CALIC-A Context Based Adaptive Lossless Image Coding Scheme, IEEE Transactions on Communications, vol. 45, May 1996, pp. 437-444
• [4] T. Seemann, P. Tischer: Generalized locally adaptive DPCM, Department of Computer Science Technical Report CS97/30I, Monasli University, Australia, pp. 1-15
• [5] G. Deng, H. Ye: A general framework for the second-level adaptive prediction. Proceedings ICASSP'03, vol. 3, pp. III_237-240, April 2003
• [6] D. J. C. Mackay: Information Theory, Inference, and Learning Algorithms, Version 6.0, Cambridge University Press, June 2003
• [7] S. W. Golomb: Run-length encoding, IEEE Transactions on Information Theory, vol. 12, July 1966, pp. 399-401