Recently image coding has been importantand in many field it is necessary. Recently varioussparse algorithms have been developed for imagecompression. This paper presents a dictionary basedblock intra prediction for image compression withconstruction of an adaptive trained dictionary. Theadaptive trained dictionary is prepared using K-SVDalgorithm. K-SVD algorithm update the dictionarybased on the sparse algorithms and given image. Theprediction residuals selected from different image areused for dictionary training. The orthogonal matchingpursuit (OMP) algorithm have employed for selectionof dictionary elements and encoding. The proposedmethod is then integrated into 9 mode H.264 intracoding. Performance of proposed method comparedwith existing methods. Simulation result shows thatproposed scheme has improved efficiency as comparedto existing schemes.
Replacement of classic inductive electricity meters with electronic meters (e.g. Smart type) enables remote reading of customer load profiles. Taking into account the European Union Directive, which says that 80% of meters should be replaced by electronic ones until 2020, one can expect a significant increase in the volume of data stored by Distribution System Operators (OSD). In connection with the above, one should consider whether or not to compress registered electrical power load profiles. The article discusses the topic of compression of electric power load profiles using the DCT and K-SVD (NN-K-SVD) methods.
PL
Wymiana klasycznych indukcyjnych liczników energii elektrycznej na liczniki elektroniczne (np. typu Smart), umożliwia zdalny odczyt profili obciążeń odbiorców. Uwzględniając dyrektywę Unii Europejskiej, która mówi o konieczności wymiany 80% liczników na elektroniczne do roku 2020, można się spodziewać znacznego zwiększenia wolumenu danych przechowywanych przez Operatorów Systemu Dystrybucyjnego (OSD). W związku z powyższym należy zastanowić się czy nie należy kompresować zarejestrowanych profili obciążeń elektroenergetycznych. W artykule poruszono temat kompresji profili obciążeń elektroenergetycznych z wykorzystaniem metody DCT oraz K-SVD (NN-K-SVD).
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.