Compressive Sensing Based Image Codec With Partial Pre-Calculation

哈夫曼编码 计算机科学 编解码器 解码方法 编码器 压缩传感 算法 迭代重建 数据压缩 人工智能 电信 操作系统
作者
Jiayao Xu,Jian Yang,Fuma Kimishima,Ittetsu Taniguchi,Jinjia Zhou
出处
期刊:IEEE Transactions on Multimedia [Institute of Electrical and Electronics Engineers]
卷期号:: 1-13 被引量:3
标识
DOI:10.1109/tmm.2023.3327534
摘要

Compressive Sensing (CS) surpasses the limitations of the sampling theorem by reducing signal dimensions during sampling. Recent works integrate measurement coding into CS to enhance the compression ratio. However, these works significantly decrease image quality, and both encoding and decoding become time-consuming. This paper proposes a Compressive Sensing based Image Codec with Partial Pre-calculation (CSCP) to solve these issues. The CSCP separates the original reconstruction procedure into two parts: reconstructing the frequency domain data and the inverse calculation. Depending on the feature of the chosen deterministic sensing matrix, the complex reconstruction procedure is reduced to twice matrix-based multiplications, resulting in a low time cost. Moreover, we can further optimize the reconstruction process by moving the frequency domain data reconstruction to the encoder, referred to as the partial pre-calculation process. Then compressing the sparse data in the frequency domain. This approach has two main benefits: 1) it reduces the complexity of the decoder, and 2) it results in less degradation in quality compared to existing measurement coding methods. Additionally, this work proposes the One-Row-Two-Tables strategy for defining Huffman Coding units. This approach leverages the quantized data distribution to improve compression efficiency while maintaining low complexity. In the decoder, the sequence of operations includes Huffman decoding, dequantization, and inverse calculation. Compared to the state-of-the-art, this work decreases 22.61 $\%$ bpp with 17.72 $\%$ increased quality. Meanwhile, time speeds up to 649.13× on the encoder, 11.03× on the decoder, and 288.46× in total.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
张立佳完成签到,获得积分10
刚刚
光亮铅笔完成签到,获得积分10
刚刚
ZH完成签到 ,获得积分10
1秒前
上官凯凯完成签到 ,获得积分10
1秒前
槐序零玖完成签到,获得积分10
1秒前
hi_traffic发布了新的文献求助30
1秒前
Anna完成签到,获得积分20
1秒前
Luchy关注了科研通微信公众号
3秒前
陶火桃完成签到,获得积分10
4秒前
未何完成签到,获得积分20
5秒前
求知若渴完成签到,获得积分10
5秒前
LYH完成签到 ,获得积分10
5秒前
寻文完成签到,获得积分10
6秒前
sukieee完成签到,获得积分10
7秒前
NexusExplorer应助fff采纳,获得10
7秒前
千流完成签到,获得积分10
8秒前
Seven发布了新的文献求助30
8秒前
李禾完成签到,获得积分10
8秒前
Ava应助mononuc采纳,获得10
9秒前
科研通AI2S应助视野胤采纳,获得10
10秒前
研友_ED5GK应助Jc采纳,获得20
12秒前
咕嘟完成签到,获得积分10
12秒前
czz014完成签到,获得积分10
12秒前
nicelily完成签到,获得积分20
13秒前
过时的听南关注了科研通微信公众号
13秒前
MOhy完成签到,获得积分10
13秒前
keke完成签到 ,获得积分10
13秒前
banana完成签到,获得积分10
13秒前
从容芮应助Anna采纳,获得50
13秒前
小野狼完成签到,获得积分10
13秒前
lucky完成签到,获得积分10
14秒前
PLT完成签到,获得积分10
14秒前
老李完成签到,获得积分10
14秒前
小十完成签到,获得积分10
14秒前
15秒前
两碗牛又面完成签到,获得积分10
16秒前
chn丶楠完成签到,获得积分10
16秒前
sukieee发布了新的文献求助10
16秒前
Galaxy完成签到,获得积分10
16秒前
搞怪书兰完成签到,获得积分10
17秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3134291
求助须知:如何正确求助?哪些是违规求助? 2785137
关于积分的说明 7770495
捐赠科研通 2440760
什么是DOI,文献DOI怎么找? 1297506
科研通“疑难数据库(出版商)”最低求助积分说明 624987
版权声明 600792