压缩感知学习笔记2
来源:互联网 发布:后缀date域名 编辑:程序博客网 时间:2024/06/17 13:13
整理一下最近学的东西~~
1、有关JPEG
8*8的块编码,定义了4种运行模式:
基于DPCM的无损编码模式,压缩比可达2:1;
基于DCT的有损顺序编码模式,压缩比可达10:1以上;
基于DCT的递增编码模式;
基于DCT的分层编码模式。
JPEG本身并未规定具体的颜色空间,只是对各分量分别编码,实现中通常将高度相对的RGB颜色空间转换到相关性较小的YCbCr空间。
图像信息主要在Y通道,Cb、Cr更平滑,容易压缩。
人眼对色度分量不敏感,对色度分量可以进行下采样如4:2:2,4:2:0。(下采样:对一个样值序列间隔取样一次)
人眼对亮度信号比色差信号更敏感,因此使用了两种量化表:亮度量化值和色差量化值。
根据人眼的视觉特性,对低频敏感、高频不太敏感,对低频分量采用较细的量化,对高频分量采用较粗的量化。如果原始图像中细节比较丰富,则去掉的数据较多,量化后的系数与量化前的差别大。
2、有关 .pgm图片格式
这种格式的数据存放方式相比 .jpg是非常简单的,它不进行数据压缩,自然它的图片大小也就比较大了,所以网络应用中难见这种格式的图片。我在网上看到了有关这种格式的格式但是没找到具体在哪方面应用。以后再补充。
3、医学图像
医学图像具有高分辨率并且需要长期保存的特点。
4、信号重构
信号的重构类似于压缩中的解压缩过程。
5、图像分块
图像子块越小,信号的长度越小,算法的速度会明显提升。但是由于分块数量过多,切断了块与块之间的联系,所以视觉会有马赛克效应。重构的峰值信噪比就很低。当子图像块较大时,图像的重构质量会提升,重构速度会下降。(压缩采样后的信号,依然有进行编码压缩的空间)
6、这两天的新发现:
压缩感知是一种抽象的数学概念。
压缩感知对图像格式不敏感。
应用:
MRI:能显著减少MRI的测量次数,加快成像(未来有可能做到实时成像)。以测量次数换取图像质量,与原来一样的次数可以带来更好的图像分辨率。
天文:由于天文现象具有多种频率的振荡特性,即频域上高度稀疏,可压缩。
线性编码:让多个传送者将其信号带纠错的合并传送。
- 压缩感知学习笔记2
- 压缩感知学习笔记
- 压缩感知学习笔记1
- 压缩感知学习笔记-2017.01.13
- 压缩感知学习资源
- 压缩感知学习入门
- CS压缩感知学习
- 压缩感知学习
- 压缩感知整理学习
- 基于压缩感知机的中文分词学习笔记
- 【笔记】压缩感知(1)
- 压缩感知(2)
- 压缩感知学习Compressed sensing
- 压缩感知学习(一):压缩感知的起源
- 压缩感知信号重构学习记录-2
- 统计学习方法学习笔记2:感知机
- 感知机学习笔记
- 感知器学习笔记
- 洛谷P2819 图的m着色问题
- Codeforces 819B. Mister B and PR Shifts
- String使用equals和==比较的区别
- highcharts相对全面(1)折线
- 架构师之路-svn篇卷1
- 压缩感知学习笔记2
- leetcode之Contains Duplicate II 问题
- 半平面交——学习笔记
- HTML5样式、链接和表格
- JavaScript-BOM(浏览器对象模型)
- C++对拍
- android BroadcastReceiver 广播
- JNI学习积累之一 ---- 常用函数大全
- NPM的作用以及具体使用