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
果然发布了新的文献求助10
刚刚
cckyt完成签到,获得积分10
刚刚
HeHe完成签到,获得积分20
刚刚
小橙完成签到 ,获得积分10
刚刚
袁青欣完成签到 ,获得积分10
刚刚
1秒前
花火完成签到,获得积分10
1秒前
感性的安露举报求助违规成功
1秒前
iNk举报求助违规成功
1秒前
嗯哼举报求助违规成功
1秒前
1秒前
谦让傲菡完成签到 ,获得积分10
1秒前
舒适怀寒完成签到 ,获得积分10
1秒前
大鱼完成签到 ,获得积分10
2秒前
2秒前
coolru发布了新的文献求助50
2秒前
青槿完成签到,获得积分10
3秒前
Jun发布了新的文献求助10
4秒前
4秒前
拿着脏兮兮的蜡笔完成签到,获得积分20
4秒前
莴苣完成签到,获得积分10
5秒前
Rainbow完成签到,获得积分10
5秒前
大气寄松完成签到,获得积分10
7秒前
Qingcyx发布了新的文献求助10
7秒前
快递乱跑完成签到 ,获得积分10
8秒前
8秒前
8秒前
blueskyzhi发布了新的文献求助10
9秒前
10秒前
粗暴的遥完成签到 ,获得积分10
10秒前
欣喜万言完成签到 ,获得积分10
10秒前
上官若男应助coolru采纳,获得50
10秒前
火辣蛤蟆完成签到,获得积分10
10秒前
111完成签到,获得积分10
10秒前
Gorge完成签到,获得积分10
10秒前
小菜鸡完成签到 ,获得积分10
10秒前
CodeCraft应助单薄的板凳采纳,获得20
11秒前
科研通AI2S应助songvv采纳,获得10
11秒前
12秒前
12秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
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 3099914
求助须知:如何正确求助?哪些是违规求助? 2751373
关于积分的说明 7613446
捐赠科研通 2403368
什么是DOI,文献DOI怎么找? 1275253
科研通“疑难数据库(出版商)”最低求助积分说明 616318
版权声明 599053