首页> 中文学位 >小波域分形图像编码及其在GPU上的快速实现
【6h】

小波域分形图像编码及其在GPU上的快速实现

代理获取

目录

声明

摘要

第一章 绪论

1.1 课题研究的背景和意义

1.2 国内外的研究现状

1.3 本文的内容安排

第二章 图像编码概述

2.1 图像编码的原理

2.2 图像编码的分类方法

2.3 图像质量评价

第三章 分形理论及分形图像编码

3.1 分形理论

3.2 分形图像编码

3.2.1 分形图像编码概述

3.2.2 空域分形图像编码的基本步骤

3.2.3 实验结果与分析

第四章 小波域分形图像编码

4.1 小波变换理论

4.1.1 连续小波变换

4.1.2 离散小波变换

4.1.3 多分辨率分析

4.2 图像信号的小波变换

4.3 小波域分形图像编码

4.3.1 小波与分形结合

4.3.2 小波树的概念

4.3.3 小波域分形图像编码具体实现过程

4.3.4 实验结果与分析

第五章 小波域分形图像编码在GPU上的快速实现

5.1 并行计算理论

5.2 GPU与CUDA高性能计算模型

5.2.1 GPU简介

5.2.2 CUDA架构

5.3 小波域分形图像编码的并行实现

5.3.1 小波域分形图像编码的并行化研究

5.3.2 实验结果与分析

第六章 总结与展望

参考文献

致谢

展开▼

摘要

随着信息技术的发展,图像和视频成为了人们生活中信息交流的主要载体。然而,原始图像具有庞大的数据量,给存储、传输及通信等实际应用带来了很多不便。因此图像压缩作为通信及多媒体领域中的一项关键技术,具有重要的现实意义和广阔的发展前景。
  由于传统的压缩算法存在压缩率比较低、解码图像质量较差等缺点,迫切需要新型的图像压缩技术。分形图像压缩方法注重发掘图像的自相似性,把看起来非常复杂的图像,采用几条简单的迭代规则,就可实现图像的编码;解码时,使用这几条规则进行有限迭代,即可重构图像,达到很高的压缩比。而小波分析,是一种信号的时间-尺度(时间-频率)分析方法,具有多分辨率分析的特点,在时频两域都具有表征信号局部特征的能力,并且小波变换还能去除图像的全局相关性,具有人的视觉特性。所以,把分形理论和小波变换编码技术向结合,不仅发挥分形图像压缩的高压缩比的优势,还弥补了其编码时间过长和块状效应明显的缺点。为了进一步提高编码效率,本文试图利用GPU(Graphic Processing Unit)高性能计算架构CUDA来实现小波域内分形图像压缩编码,这更缩短了编码时间,提高了编码效率。本文主要研究工作如下:
  首先简要介绍了图像压缩相关知识,然后研究了空域分形图像压缩,研究结果表明:空域分形图像压缩在保证图像质量的基础上,达到了很高的压缩比,但其编码时间过长,块状效应明显。
  为了改善上述算法,本文着重研究了小波域内分形图像压缩。编程实现了小波分形(wavelet-fractal)图像编码,实验结果表明,通过这种结合,发挥了两种算法的优势,有效的缩短了编码时间并且避免了空域分形的块效应。
  为了进一步提高编码效率,本文提出了使用GPU对编码进行加速的方案。在CUDA规范下,使用GPU并行地对图像中所有待编码的子树同时进行最优父树搜索。实验结果表明,该编码方法在保持原有算法图像解码质量的前提下,可将编码时间缩短至毫秒级,大大提高了压缩算法的执行效率。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号