Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 28

Liczba wyników na stronie
first rewind previous Strona / 2 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 2 next fast forward last
PL
W pracy zaprezentowano podstawy modelowania danych (w tym metodę minimalizacji błędu średniokwadratowego) na potrzeby bezstratnej kompresji danych akustycznych. W opisanych badaniach skupiono się na ukazaniu zalet adaptacyjnej wersji kodu Golomba, która charakteryzuje się dużą elastycznością dopasowania do lokalnie zmiennych charakterystyk danych i wysoką efektywnością kompresji przy zachowaniu stosunkowo niskiej złożoności implementacyjnej.
EN
In this paper the basics of data modeling and the method of minimization mean square error for lossless audio compression are presented. The described research focuses on showing the advantages of an adaptive version of the Golomb code. The adaptive Golomb code is characterized by high flexibility of adjusting to locally variable data characteristics match and high compression efficiency while maintaining a relatively low implementation complexity.
2
Content available An implementation of Rice coder on AVR platform
EN
In this paper the features of the Rice code and its performance by looking at the requirements for hardware resources are presented. The estimated bandwidth of the encoder was examined. An example implementation of the Rice coder on the AVR platform was also presented, using the Arduino UNO boards for this.
3
Content available Entropy Coder for Audio Signals
EN
In the paper an effective entropy coder designed for coding of prediction errors of audio signals is presented. The coder is implemented inside a greater structure, which signal modeling part is a lossless coding backward adaptation algorithm consisting of cascaded Ordinary Least Squares (OLS), three Normalized Least Mean Square (NLMS), and prediction error bias correction sections. The technique performance is compared to that of four other lossless codecs, including MPEG-4 Audio Lossless (ALS) one, and it is shown that indeed, on the average the new method is the best. The entropy coder is an advanced context adaptive Golomb one followed by two context adaptive arithmetic coders.
EN
A modification of the most efficient version of MPEG4 Lossless Audio with extension of the RLS (Recursive Least Square) and NLMS (Normalized Least-Mean-Square) blocks is described in the paper. Moreover, a segmentation block influencing the selection of proper predictive modelling parameters is introduced. These blocks have been implemented in hardware description language ImpulseC and synthesised into a reprogrammable device from the Xilinx Virtex5 family.
PL
W pracy zaprezentowano rozwinięcie najwydajniejszej wersji MPEG4 Lossless Audio przez rozbudowanie bloków RLS (Recursive Least Square) i NLMS (Normalized Least-Mean-Square), wprowadzając przy tym blok segmentacji wpływający na dobór odpowiednich parametrów modelowania predykcyjnego. Zwiększono nie tylko rząd predykcji w poszczególnych blokach modelowania, ale też rozwinięto metodę NLMS do ES-NLMS i dobrano eksperymentalne wartości współczynników uczących, a także odpowiednie proporcje liczby współczynników predykcji w trybie stereo. Ponadto opracowano własny blok adaptacyjnego kodera arytmetycznego, w którym wykorzystano adaptacyjne kodowanie Golomba-Rice'a. Każdy z tych bloków został przygotowany do potrzeb implementacji sprzętowej. Bloki RLS i NLMS wykorzystują dane pochodzące z modułu segmentacji, co ma pozytywny wpływ na efektywność kompresji. Głównym zadaniem bloku segmentacji jest wydzielenie segmentów różniących się zawartością akustyczną. Wykorzystano na tym etapie dwa podejścia do segmentacji – pierwsze z nich realizuje podejście polegające na porównywaniu sąsiednich ramek sygnału w przestrzeni cech składającej się z 12 współczynników MFCC (Mel-Frequency Cepstral Coefficients) i drugie polegające na ocenie dwóch modeli w przestrzeni cech w użyciem typowego podejścia opartego o Bayesowskie kryterium informacyjne. Wyniki uzyskane z obu technik są następnie łączone w celu kompensacji potencjalnych błędów określających granice segmentów. Dla każdego z uzyskanych segmentów wyznaczany jest uśredniony wektor cech MFCC, który dostarczany jest do bloków RLS i NLMS jako źródło do określania kontekstu. Bloki funkcjonalne zostały zaimplementowane w języku opisu sprzętu ImpulseC oraz dokonano syntezy do układu reprogramowalnego z rodziny Xilinx Virtex5.
EN
In this paper there is described a possibility of context switching into a lossless compression system. The context is determined based on the features of the previous signal samples. Each context is associated with an individual predictor. The idea of context switching allows us to choose one of the set of a few predictor models individually for each sample instead of each frame. Consequently, the system adjusts fast in case of rapid signal changes. The system was implemented using the ImpulseC hardware description language and implemented on an FPGA platform.
PL
W nowoczesnych metodach kompresji audio wykorzystuje się zwykle dwa etapy: dekompozycję danych, a następnie kompresję jedną z wydajnych metod entropijnych. Najczęściej do modelowania służy typowy predyktor liniowy rzędu r, który jest wartością przewidywaną aktualnie kodowanej próbki na podstawie r poprzednich próbek sygnału. Kluczową rolę odgrywa tu sposób doboru współczynników danego modelu. Mogą być one ustalone na stałe, statyczne w obrębie jednej kodowanej ramki, jak i w pełni adaptacyjne. Główną propozycją wzrostu efektywności kompresji zaprezentowaną w tej pracy jest wprowadzenie przełączania kontekstów, które wyznacza się na podstawie cech sygnału poprzednich próbek. Każdemu kontekstowi przypisany jest indywidualny predyktor. W artykule przedstawiono podział na 2 oraz 3 konteksty (tab. 1). Przedstawiono metodę statyczną uwzględniającą zależności międzykanałowe, a także kodowanie międzykanałowe z przełączaniem kontekstów. Aby sprawdzić możliwości uogólnienia i uproszczenia pomiarów, wybrano zestaw utworów muzycznych. Proponowana metoda w 60% przypadków skutkowała zmniejszeniem średniej bitowej. Dysponując pełnym zestawem wyników użycia 140 deskryptorów dla wybranych utworów, można spróbować wybrać kilka deskryptorów dających najlepsze rezultaty, a następnie zastosować je do innych utworów testowych. Zaproponowany algorytm został zaimplementowany w układzie FPGA z rodziny Virtex 5 wykorzystując język opisu sprzętu ImpulseC (tab. 3).
6
Content available Novel Ideas for Lossless Audio Coding
EN
Novel ideas for lossless audio coding analyzed in the paper are linked with forward predictor adaptation, and concern optimization of predictors on the basis of zero-order entropy and MMAE criterions, and context sound coding. Direct use of the former criterion is linked with exponential growth of optimization procedure, hence, a suboptimal algorithm having polynomial complexity is proposed. It is shown that on average the new types of predictors are better than those obtained by MMSE technique, while two- and three context systems are on average better than a single predictor one. It also appears that 7-bit PARCOR coefficients in the MPEG-4 ALS standard have insufficient precision for some predictor length, and that for very long frames coding results improve with the predictor rank practically in unlimited way.
7
Content available remote Wykorzystanie sieci neuronowych do bezstratnej kompresji obrazów cyfrowych
PL
W artykule zaprezentowano metodę bezstratnej kompresji obrazów. Zastosowano w niej modelowanie z wykorzystujące nieliniową predykcję, która bazuje na sieciach neuronowych. Przedstawiono wyniki badań efektywności w zależności od liczby epok, wielkości okna uczącego oraz liczby neuronów w poszczególnych warstwach sieci. Ponadto dla tych parametrów dokonano też analizy czasu trwania procedury kodującej. Po dobraniu odpowiednich parametrów metodę uzupełniono o autorskie 3 kroki pozwalające zwiększyć efektywność proponowanej metody kompresji.
EN
In this paper, it is presented a method of lossless image compression that benefits from modeling with non-linear prediction based on neural networks. Effectiveness measures are provided with respect to the number of epochs, teaching window size and the neurons' number in each network layer. Moreover, for these parameters a time analysis of the encoding procedure is presented. After selecting the suitable parameters, the procedure has been extended by 3 steps resulting in effectiveness increase of the proposed compression method.
PL
W artykule zaprezentowano zasady projektowania metod modelowania predykcyjnego stosowanych do bezstratnej kompresji obrazów, w których bazuje się na idei mieszania predykcyjnego. Omówiono dobór stałych i adaptacyjnych metod predykcyjnych jako części składowych metody mieszania predykcyjnego, które w połączeniu z adaptacyjnym koderem arytmetycznym pozwalają uzyskać wyższą efektywność w porównaniu do innych znanych z literatury metod kompresji.
EN
In the paper, there are presented some rules of predictive modelling methods design applied to lossless image compression, which are based on the blending prediction concept. We discuss the issue of choosing the appropriate constant parameters and adaptive predictive methods as com­ponents of the blending prediction methods, which together with adaptive arithmetic encoder allows us to obtain higher effectiveness in comparison with other compression techniques, known from the literature.
PL
W artykule przedstawiono analizę adaptacyjnych metod modelowania predykcyjnego stosowanych do bezstratnej kompresji obrazów. Skupiono się głównie na najefektywniejszych metodach OLS, WLS, AVE-WLS, które dla każdego kodowanego piksela wymagają wyznaczenia macierzy i rozwiązania równania macierzowego. Metody te przeanalizowano pod kątem efektywności i złożoności obliczeniowej, porównując je także do metod o znacznie mniejszej złożoności, takich jak RLS. Omówiono też zaletę kaskadowego łączenia modelowania predykcyjnego z blokiem NLMS.
EN
In the paper, it is presented an analysis of adaptive predictive modelling methods applied to lossless image compression. We focus on the most effective methods: OLS, WLS, AVE-WLS. which for each encoded pixel require constructing a matrix and solving a matrix equation. These methods are analysed with respect to their effectiveness and computational complexity; they are also compared with the methods of considerably lower complexity, such as RLS. The benefits of cascade merging of predictive modelling with the NLMS block are also discussed.
PL
W artykule przedstawiono problem doboru współczynników predykcji dla modeli gwarantujących wysoki stopień kompresji. Omówiono problem minimalizacji entropii, wskazując, iż nie można jej uzyskać metodą minimalizacji błędu średniokwadratowego (MMSE). Przedstawione zostały różne propozycje metod poszukiwania najlepszego (dla konkretnego obrazu) zestawu wspólczynników predykcji liniowej. Jako najlepszą propozycję uznano autorską metodę wykorzystującą algorytm genetyczny.
EN
In the paper it is described the problem of selecting prediction coefficients for models guaranteeing high compression ratio. Some remarks on the entropy minimization problem are made, from which one can conclude that it is impossible to obtain it using the minimization of the mean square error method (MMSE). Various methods for searching the best (for a particular image) proposal of a linear prediction coefficient set are presented. The best method was considered, an original method based on genetic algorithm.
PL
Omówione zagadnienia dotyczą bezstratnej kompresji obrazów cyfrowych. W pracy przedstawiono problem doboru współczynników predykcji dla modeli statycznych gwarantujących wysoki stopień kompresji. Należy jednak zaznaczyć, iż badania dotyczyły wyłącznie metod ze stałym zestawem współczynników predykcji, istnieje jednak spora grupa metod adaptacyjnych, które potrafią dostosować się nie tylko do pojedynczego obrazu, ale nawet do jego fragmentów o różnych cechach w poszczególnych obszarach. Porównywanie bardziej wysublimowanych adaptacyjnych metod z modelem statycznym wykracza poza ramy niniejszej publikacji. Wykazano fakt, że nie zawsze model o niższej entropii charakteryzuje się niższym odchyleniem standardowym błędów predykcji, co oznacza, że budowa modeli predykcyjnych metodą minimalizacji błędu średniokwadratowego nie gwarantuje minimalizacji wartości entropii obrazu poddanego modelowaniu, wniosek ten może służyć także do analizy metod adaptacyjnych, gdzie jako funkcję celu często stosuje się lokalną minimalizację błędu średniokwadratowego, gdyż trudno jest lokalnie minimalizować średnią bitową (takie metody wymagają sprzężeń zwrotnych i wielokrotnego kodowania). Przedstawione zostały różne propozycje metod poszukiwania najlepszego (dla konkretnego obrazu) zestawu współczynników predykcji liniowej. Dalsze prace będą prowadzone w kierunku uzyskania w akceptowalnie krótkim czasie wysokiej efektywności kompresji dla modeli stosujących wysoki (r > 10) rząd predykcji. Wnioski płynące z wyników uzyskanych badań pozwalają ukazać nowy obszar poszukiwań wzrostu efektywności w odniesieniu do wielu już istniejących rozwiązań, które bazują na prostych, lecz nie w pełni uzasadnionych przesłankach, że najlepszy stopień kompresji uzyskamy, posługując się kryterium MMSE.
EN
In the paper it is described the problem of selecting prediction coefficients for models guaranteeing high compression ratio. Some remarks on the entropy minimization problem are made, from which one can conclude that it is impossible to obtain it using the minimization of the mean square error method (MMSE). Various methods and his results for searching the best (for a particular image) proposal of a linear prediction coefficient set are presented.
PL
W pracy omówiono metodę adaptacyjnego kodowania arytmetycznego błędów predykcji, przeznaczonego do bezstratnej kompresji obrazów. Zaproponowano rozbudowaną metodę adaptacji rozkładów i wyznaczania kontekstu, z którym skojarzony jest odpowiedni rozkład prawdopodobieństwa. Dzięki wykorzystaniu efektywnego modelu predykcji liniowej dane na wejściu kodera mające specyficzny charakter można poddać bezstratnej kwantyzacji, dzięki której uzyskuje się szybkie wyznaczenie rozkładów w poszczególnych kontekstach. W pracy wykazano też słuszność dodatkowego wprowadzenia odrębnej metody kodowania bitu znaku błędu predykcji. Proponowana metoda została porównana z kilkoma innymi metodami znanymi z literatury, uzyskano lepsze rezultaty nawet od znacznie wolniejszych metod takich jak MRP, czy GLICBAWLS.
EN
In the paper, it is described a method of adaptive arithmetic coding aimed at lossless image compression. It is proposed a complex method for adapting probability distribution and context determining, which whom an appropriate probability distribution is associated. Thanks to utilizing an effective linear prediction method, data at an encoder input having specific character can be losslessly quantized, resulting in faster distribution determining in particular contexts. In the paper, there are also presented benefits from incorporating a separate method of a sign bit encoding of prediction error. The proposed method is compared with a few other techniques known from literature and better results are obtained even in comparison with significantly slower methods such as MRP or GLICBAWLS.
PL
W pracy zaproponowano nowatorską, a jednocześnie prostą w implementacji metodę statycznej predykcji kodowanego piksela, dającą szansę na istotny wzrost stopnia bezstratnej kompresji obrazów. Wykorzystuje ona zasadę podziału kontekstowego. Uzyskane wyniki dzięki zastosowaniu proponowanej metody są lepsze od otrzymanych klasyczną metodą minimalizacji błędu średniokwadratowego, dowodząc jednocześnie, że możliwe jest wyznaczanie liniowych modeli predykcyjnych o lepszych parametrach, niż przy użyciu MMSE.
EN
In this paper, a novel and simple to implementation method for static encoding pixel prediction which gives a chance to significant increase of the lossless image compression ratio. This method utilizes a contextual split rule. The proposed method produces better results in comparison with the classic mean square error minimization method, showing that it is possible to determine linear predictive models whose parameters are better than MMSE.
PL
Omówione zagadnienia dotyczą bezstratnej kompresji obrazów cyfrowych. W pracy zaproponowano wydajną, a jednocześnie prostą w implementacji metodę predykcji kodowanego piksela. Algorytm oparto na gradientowo zależnym schemacie decyzyjnym, który do podjęcia decyzji wykorzystuje wartości 10 sąsiednich pikseli, a do obliczenia wartości przewidywanej służy kombinacja liniowa zaledwie dwóch lub trzech pikseli. Metoda ta dla dużego zbioru obrazów testowych okazała się skuteczniejsza od wielu innych opisanych w literaturze prostych metod predykcyjnych, stosowanych w oryginalnych, jak i udoskonalonych wersjach metod JPEG-LS i CALIC. Ze względu na prostotę rozwiązania model ten może być stosowany zarówno w rozwiązaniach programowych jak i sprzętowych. Dalsze prace będą prowadzone w kierunku powiązania omówionego algorytmu z wydajnym kontekstowym koderem arytmetycznym, co powinno zaowocować dalszym wzrostem efektywności kompresji.
EN
In this paper we propose an efficient, yet simple to implement method of prediction, which is used for lossless image compression. For this purpose gradient dependent, decision-making algorithm was used. The proposed method obtained better results than the ones used in JPEG and CALIC, while maintaining low complexity of implementing the image compression system.
PL
W artykule omówiono potrzebę stosowania bezstratnej kompresji obrazów Zaprezentowano analizę efektywności szybkich metod adaptacji współczynników predykcji. Przedstawiono mieszany model M-LMS jako efektywny sposób modelowania, który w połączeniu z adaptacyjnym koderem arytmetycznym pozwala uzyskiwać wysoki stopień kompresji obrazów. Otrzymano rezultaty zbliżone do metody GLICBAWLS przy siedmiokrotnie krótszym czasie kodowania. Praca finansowana ze środków budżetowych na naukę w ramach grantu przyznanego na lata 2007-2010.
EN
In this paper, we present an analysis of adaptive linear prediction, focusing on difficulties in algorithm designing for two-dimensional signals. We discuss the basie LMS algorithm an its extensions. A novel approach for context switching is described which, in composition with adaptive method blending, allows us to obtain high efficiency ofthe proposed M-LMS method with low implementation complexity. The experimental results show that M-LMS maintains the same efficiency that the GLlCBAWLS method, known from literature. but is characterized with seven times shorter encoding time.
PL
W artykule zaprezentowano prosty algorytm pozwalający uzyskać poprawę transformacji barw. Przedstawiono zalety i wady transformacji odwracalnych, a także nie w pełni odwracalnych (do zastosowań kodowania stratnego). Zaakcentowano użycie transformacji stratnych w połączeniu z kwantyzacją i kodowaniem bezstratnym jako alternatywę do kompresji w trybie prawie bezstratnym. Zaprezentowano prosty algorytm pozwalający uzyskać poprawę transformacji barw średnio o 0,86 dB.
EN
In the paper, simple algorithm that allows for improved color transformation is described. The advantages and disadvantages of the reversible transformations, as well as not utterly reversible (for application in lossy encoding), are stressed. It is presented the combination of lossy transformations with quantization and lossless encoding as an alternative to compression in the near-lossless mode. A simple algorithm that is capable of obtaining the improvement ol the color transformation 0.86 dB in average is presented.
PL
W artykule zaprezentowano efektywną metodę kompresji obrazów wykorzystującą technikę mieszania predykcyjnego i adaptacyjny wielokontekstowy koder arytmetyczny. Dokonano szczegółowej analizy proponowanego rozwiązania Blend-V w trybie prawie bezstratnym, porównując z wydajnością JPEG2000 dla różnych średnich bitowych. także porównania proponowanej metody z innymi rozwiązaniami znanymi z literatury.
EN
In the paper, it is presented an effective image compression method based on a blending prediction technique and an adaptive, multi-context arithmetic encoder. A detailed analysis of the presented method, Blend-V, is provided and there is also made a comparison of the proposed encoder in a near-lossless mode with JPEG2000 for various bit . Pros and cons of the proposed method with respect to solutions known from literature are also described.
PL
W pracy zaproponowano wydajną, a jednocześnie prostą w implementacji metodę predykcji, wykorzystywaną do bezstratnej kompresji obrazów. W tym celu wykorzystany został predyktor oparty o reguły logiki rozmytej. Proponowana metoda uzyskała wyniki lepsze od użytych w JPEG i CALIC, zachowując przy tym niską złożoność implementacyjną systemu kompresji obrazów.
EN
The paper proposes an efficient, yet simple to implemented method of prediction, which is used for lossless image compression. For this purpose fuzzy logic-based predictor was used. The proposed method obtained better results than the ones used in JPEG and CALIC, while maintaining Iow complexity of implementing the image compression system.
PL
W artykule przedstawiono szczegółową analizę zastosowania adaptacyjnego kodera arytmetycznego w bezstratnej kompresji dźwięku. Przedstawiono nowatorskie reguły podziału kontekstowego, dzięki którym dla każdej próbki istnieje możliwość właściwego doboru jednego z 20 rozkładów prawdopodobieństwa pozwalającego na efektywne kodowanie arytmetyczne. Scharakteryzowano sposób adaptacji długookresowej. Zwiększenie tempa adaptacji krótkookresowej osiągnięto przez wprowadzenie odpowiedniej kwantyzacji błędów predykcji. Zaproponowano także osobne kodowanie bitu znaku. Na końcu przedstawiono porównanie efektywności omawianej metody z innymi kodekami znanymi z literatury. Zaimplementowana metoda pozwala na kodowanie dźwięku w czasie rzeczywistym.
EN
The paper presents a detailed analysis of application of an adaptive arithmetic encoder in lossless audio compression. Novel rules for contextual split are provided thanks to which there exists the possibility of proper selection for each sample, one from 20 probability distributions aiming at effective arithmetic encoding. A longterm adaptation technique is characterized. An increase in the shortterm adaptation speed is obtained due to the introduction of an appropriate prediction error quantization. The separate encoding of the sign bit is also proposed. Eventually, there is a comparison of the proposed method effectiveness with other encoders known from literature. The implemented method allows us to encode audio in the real time.
EN
In the paper a lossless/near-lossles image coding method intended for real-time hardware intra-frame video coding system is described. Data modeling stage of the method is based on predictor blending idea, the following entropy coding stage is realized as an advanced adaptive context arithmetic coder. Experiments show that indeed, the new algorithm is not only time efficient, but has also excellent data compression performance.
first rewind previous Strona / 2 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.