A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Standard-Compliant Multiple Description Image Coding Based on Convolutional Neural Networks Codificação de imagem de descrição múltipla em conformidade com o padrão baseada em redes neurais convolucionais

Ting ZHANG, Huihui BAI, Mengmeng ZHANG, Yao ZHAO

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

A codificação de descrição múltipla (MD) é uma estrutura atraente para transmissão robusta de informações em redes não priorizadas e imprevisíveis. Neste artigo, um novo esquema de codificação de imagens MD é proposto baseado em redes neurais convolucionais (CNNs), que visa melhorar a qualidade reconstruída de decodificadores laterais e centrais. Para tanto, inicialmente, uma determinada imagem é codificada em duas descrições independentes por subamostragem. Tal projeto pode tornar o método proposto compatível com os padrões de codificação de imagem existentes. No decodificador, a fim de obter reconstrução de imagem lateral e central de alta qualidade, três CNNs, incluindo duas sub-redes de decodificadores laterais e uma sub-rede de decodificador central, são adotadas em uma estrutura de reconstrução ponta a ponta. Os resultados experimentais mostram a melhoria alcançada pelo esquema proposto em termos de valores de pico da relação sinal-ruído e qualidade subjetiva. O método proposto demonstra melhor desempenho de distorção central e lateral da taxa.

Publicação
IEICE TRANSACTIONS on Information Vol.E101-D No.10 pp.2543-2546
Data de publicação
2018/10/01
Publicitada
2018/07/19
ISSN online
1745-1361
DOI
10.1587/transinf.2018EDL8028
Tipo de Manuscrito
LETTER
Categoria
Processamento de imagem e processamento de vídeo

autores

Ting ZHANG
  Beijing Jiaotong University
Huihui BAI
  Beijing Jiaotong University
Mengmeng ZHANG
  North China University of Technology
Yao ZHAO
  Beijing Jiaotong University

Palavra-chave