基于低频预测的图像多描述编码及其差错隐藏

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (18): 159-163.

基于低频预测的图像多描述编码及其差错隐藏

王红艳1，金炜东2

1.西南交通大学信息科学与技术学院，成都 610031
2.西南交通大学电气工程学院，成都 610031

出版日期:2013-09-15 发布日期:2013-09-13

Low frequency prediction-based multiple description image coding and error concealment

WANG Hongyan1, JIN Weidong2

1.School of Information Science and Technology, Southwest Jiaotong University, Chengdu 610031, China
2.School of Electrical Engineering, Southwest Jiaotong University, Chengdu 610031, China

Online:2013-09-15 Published:2013-09-13

摘要/Abstract

摘要： 为了提高图像、视频在丢包或误码环境下的传输性能，提出了基于低频预测的图像多描述编码方法。根据小波系数的独特特点将原始图像小波变换后的系数分为低频，次高频，高频三部分，对各部分进行不同方式的分组；采用低频预测的预处理和后处理方案，实现描述间的冗余插入；实现了差错隐藏算法以提高传输的鲁棒性。仿真结果表明，系统的抗误码能力大为提高，且可提供灵活冗余插入以适应各种网络传输状况。

关键词: 图像编码, 多描述编码, 小波系数, 预处理, 差错隐藏

Abstract: To improve the transmission performance of images or video in the environment of packet loss or bit error, multiple description image coding method based on low-frequency prediction is proposed. By the unique characteristics of wavelet coefficient, wavelet transform coefficients of the original image are divided into three-part of low-frequency, minor-high frequency, high frequency, and these sections are grouped in different ways. Pre-processing and post-processing program of low frequency prediction are used to achieve redundant insertion. Error concealment algorithm to improve the robustness of transmission is realized. Simulation results have shown that this new algorithm greatly improves systems-resilience capabilities, provides flexible redundant insertion to adapt to network conditions.

Key words: image coding, multiple description coding, wavelet coefficients, pre-processing, error concealment

王红艳1，金炜东2. 基于低频预测的图像多描述编码及其差错隐藏[J]. 计算机工程与应用, 2013, 49(18): 159-163.

WANG Hongyan1, JIN Weidong2. Low frequency prediction-based multiple description image coding and error concealment[J]. Computer Engineering and Applications, 2013, 49(18): 159-163.

[1]	孙爽，陈燕，朴在吉，张金松. 轨迹数据的时空模式挖掘与管理决策研究综述[J]. 计算机工程与应用, 2021, 57(16): 16-26.
[2]	成立明，陈建新，陈瑞，陈志敏. 融合自监督单目图像深度估计的视觉里程计[J]. 计算机工程与应用, 2021, 57(15): 230-236.
[3]	彭小红，梁子祥，张军，陈荣发. 深度学习驱动的水下图像预处理研究进展综述[J]. 计算机工程与应用, 2021, 57(13): 43-54.
[4]	李道全，王雪，于波，黄泰铭. 基于一维卷积神经网络的网络流量分类方法[J]. 计算机工程与应用, 2020, 56(3): 94-99.
[5]	余同瑞，金冉，韩晓臻，李家辉，郁婷. 自然语言处理预训练模型的研究综述[J]. 计算机工程与应用, 2020, 56(23): 12-22.
[6]	刘俊涛，王素娟，林晓明，刘祚时，谭俭辉，宋丹. 结合FCM聚类和边缘感知模型的眼底渗出物检测[J]. 计算机工程与应用, 2020, 56(11): 192-199.
[7]	晁静静，沈文忠，宋天舒. 基于HOG和SVM的双眼虹膜图像的人眼定位算法[J]. 计算机工程与应用, 2019, 55(9): 184-189.
[8]	吕伟，宋文爱，富丽贞，许文. 大规模图数据边受限制的最短距离查询算法[J]. 计算机工程与应用, 2019, 55(7): 71-81.
[9]	姜道银1，2，葛洪伟1，2，袁罗1. 一种动态划分的混合连续域蚁群优化算法[J]. 计算机工程与应用, 2018, 54(7): 144-151.
[10]	王衍业1，杨玉红1，2，董少龙1. 音频编码器中导谱频率系数的差错隐藏算法[J]. 计算机工程与应用, 2017, 53(2): 146-150.
[11]	王卿云1，2，李红燕1，2，洪申达1，2. 基于张量模型的多因素影响程度分析方法[J]. 计算机工程与应用, 2017, 53(17): 94-100.
[12]	王锦盛1，熊邦书1，莫燕1，黄建萍2，李新民2，赵平均3. 基于随机森林的直升机飞行状态识别方法[J]. 计算机工程与应用, 2017, 53(17): 149-152.
[13]	陈迪，代艳君，王志锋. 论坛主题挖掘研究综述[J]. 计算机工程与应用, 2017, 53(16): 36-44.
[14]	李衡1，赵毅强2，杨瑞霞1，何家骥2，李跃辉2，杨松2. 基于小波降噪数据预处理的硬件木马检测优化[J]. 计算机工程与应用, 2017, 53(1): 49-53.
[15]	李高平，刘莉. 图像子块特征匹配的快速分形编码算法[J]. 计算机工程与应用, 2017, 53(1): 195-200.