压缩感知学习笔记2

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。