[论文解读] Morphological dilation image coding with context weights prediction

Jiaji Wu, Xing Yan+5 more|arXiv (Cornell University)|Sep 29, 2010

Advanced Data Compression Techniques参考文献 8被引用 6

一句话总结

本文提出了一种自适应形态学膨胀图像编码方法，通过上下文加权显著性预测动态控制系数膨胀，减少无关系数的输出。通过将可变长度分组测试编码与上下文感知排序相结合，该方法在压缩性能上优于当前最先进的方法，实验结果表明其在率失真效率方面表现更优。

ABSTRACT

This paper proposes an adaptive morphological dilation image coding with context weights prediction. The new dilation method is not to use fixed models, but to decide whether a coefficient needs to be dilated or not according to the coefficient's predicted significance degree. It includes two key dilation technologies: 1) controlling dilation process with context weights to reduce the output of insignificant coefficients, and 2) using variable-length group test coding with context weights to adjust the coding order and cost as few bits as possible to present the events with large probability. Moreover, we also propose a novel context weight strategy to predict coefficient's significance degree more accurately, which serves for two dilation technologies. Experimental results show that our proposed method outperforms the state of the art image coding algorithms available today.

研究动机与目标

• 为解决固定模型形态学膨胀在图像编码中的低效问题，提出基于系数显著性的自适应机制。
• 通过上下文加权的显著性程度预测，减少膨胀过程中无关系数的输出。
• 利用带上下文权重的可变长度分组测试编码，优化编码顺序与比特成本。
• 通过准确预测哪些系数可能具有显著性，从而提升整体压缩性能。

提出的方法

• 该方法利用上下文权重预测每个系数的显著性程度，指导是否应进行膨胀。
• 提出一种新颖的上下文权重策略，以提高系数显著性预测的准确性，为自适应膨胀提供基础。
• 基于预测的显著性动态控制膨胀，避免对无关系数进行不必要的膨胀。
• 结合上下文权重应用可变长度分组测试编码，调整编码顺序并最小化高概率事件的比特成本。
• 将上下文加权显著性预测集成到膨胀与编码阶段，实现联合优化。
• 该框架将形态学膨胀与上下文感知比特分配相结合，以提升率失真性能。

实验结果

研究问题

• RQ1 如何使形态学膨胀适应系数显著性，而非依赖于固定模型？
• RQ2 上下文加权显著性预测对减少膨胀过程中无关系数输出的影响如何？
• RQ3 通过优先处理高概率事件，带上下文权重的可变长度分组测试编码能否提升编码效率？
• RQ4 将上下文加权预测与膨胀及编码相结合，对整体图像压缩性能有何影响？
• RQ5 所提出方法相较于现有最先进的图像编码算法，在多大程度上表现更优？

主要发现

• 所提方法在率失真性能方面优于当前最先进的图像编码算法。
• 上下文加权显著性预测能有效减少膨胀过程中无关系数的输出。
• 带上下文权重的可变长度分组测试编码通过优先处理高概率事件，最小化了比特成本。
• 自适应膨胀与上下文感知编码的结合显著提升了压缩效率。
• 实验结果证实，该方法在编码效率与失真控制方面均优于现有算法。