Адаптивное квантование

Cтраница 2

Проектирование систем предиктивного кодирования с улучшенным адаптивным квантованием требует глубокого понимания методов анализа текстур и обнаружения границ, существующих в области обработки изображений. [16]

Предсказание и структура обнаружения границ. [17]

Управление адаптивным предсказанием по сравнению с адаптивным квантованием, при котором необходимо следить только за величиной ошибки предсказания, отличается большей сложностью. При адаптивном предсказании необходимо отслеживать конкретные обстоятельства, при которых появляется ошибка предсказания, и затем аккуратно проектировать модели текстур, настраивая параметр предсказания 0 так, чтобы величина ошибки предсказания была возможно меньшей. Значения весов 6 определяются конкретной моделью изображения. Ранее мы пользовались моделью Гаусса-Маркова. Чтобы уменьшить ошибку предсказания, необходимо разработать дополнительную модель локальной текстуры изображения, соответствующую реальной текстуре. Основными процедурами адаптивного предсказания являются, во-первых, обнаружение и классификация локальных текстур и, во-вторых, создание предсказателя, соответствующего обнаруженной текстуре. Существует несколько статей, посвященных адаптивному предсказанию на базе обнаружения границ. [18]

В настоящее время существует значительное число способов адаптивного квантования. [19]

Это свойство многочлена Ньютона представляет интерес для процессов адаптивного квантования по времени. [20]

Операциями сжатия измерительной информации с сохранением возможности восстановления исходных данных являются операции адаптивного квантования непрерывных измеряемых величин по времени и их аппроксимации с помощью приближающих функций минимальной сложности. [21]

Для экономии памяти данных в анализаторах биопотенциалов применяется сжатие данных без потери информации, основанное на алгоритмах адаптивного квантования. [22]

Когда априорной информации об исходной функции недостаточно для выполнения операций квантования по времени с заранее определенным неравномерным интервалом ( а это типично для процесса измерения), то применяется адаптивное квантование по времени. [23]

Идея адаптивного квантования состоит в использовании нескольких отличных друт от друга квантователей, каждый из которых соответствует вполне определенному типу текстуры изображения. Проектирование систем предиктивного кодирования с адаптивным квантованием связано с решением двух основных проблем: 1) обнаружением и классификацией текстур изображения; 2) созданием набора квантователей, удовлетворяющих соответствующему набору текстур с минимальной ошибкой. [24]

Остановимся далее на интерполяционном многочлене Ньютона, позволяющем при изменении числа узлов с увеличением интервала аппроксимации уточнять состав многочлена, используя определенные ранее коэффициенты. Это свойство многочлена Ньютона представляет интерес для процессов адаптивного квантования по времени. [25]

При однопараметриче-ской адаптации ( при заданной длительности реализации исходной величины) в соответствии с ее видом может изменяться число дискрет ( узлов аппроксимации) либо при фиксированном числе узлов может изменяться длительность реализации исходной величины. В случае двухпараметрической адаптации изменяется как число дискрет, так и длительность реализации. Многопараметрическая адаптация связана не только с адаптивным квантованием по времени, но и с оптимальным квантованием по уровню дискрет. [26]

Каждый такой квантователь g, имеет значения среднего и стандартного ( средне-квадратичп i о) отклонения, отличные от всех остальных. В табл. 5.1 приведены примеры значений порогов для системы предиктивного кодирования с адаптивным квантованием. Из этой таблицы видно, что более высоким значениям меры активности соответствуют и более высокие значения шага дискретизации. [27]

Страницы: 1 2