查詢結果分析
來源資料
相關文獻
- 模糊C-均值影像壓縮硬體電路之高階合成與模擬
- Modified Search Order Coding for Vector Quantization Indexes
- 懲罰模糊C-均值群集技術應用於影像壓縮技術之研究
- Genetic Fuzzy Entropy-Constrained Vector Quantization
- 快速向量量化編碼之影像壓縮法
- 結合小波轉換與多層級向量量化作醫學影像壓縮
- Image Compression Using Adaptive Transform Vector Quantization in DCT Domain
- 彩色影像壓縮使用三維模糊可能霍普神經網路於小波頻域中向量量化之研究
- 植基於小波轉換之影像壓縮平臺
- SPIHT技術在影像壓縮教學平臺上之應用
頁籤選單縮合
題 名 | 模糊C-均值影像壓縮硬體電路之高階合成與模擬 |
---|---|
作 者 | 林基源; 林灶生; | 書刊名 | 勤益學報 |
卷 期 | 17 1999.11[民88.11] |
頁 次 | 頁93-109 |
分類號 | 448.57 |
關鍵詞 | 向量量化; 影像壓縮; 高階合成; |
語 文 | 中文(Chinese) |
中文摘要 | 由於近年來高壓縮率、高效能的資料壓縮超大型積體電路需求與日俱增,因此本 篇論文將首先應用力量 - 定向排程 (Force-Directed Scheduling, FDS) 演算法,在沒有 增加執行時間下,經由平衡操作的同時性 (Concurrency) 針對著名的模糊 C- 均值 (Fuzzy c-Mean,FCM) 影像壓縮演算法做操作排程,以達到減少功能單元、暫存器, 以及匯流排的 需求量,並推導其資料路徑 (Data path) 硬體電路配置。 其次再應用資料壓縮向量量化技 術配合 VHDL 硬體語言描述 (Modeling)、模擬其硬體設計。 向量量化為一失真壓縮技術, 其目的在於建立一編碼字典 (Codebook) 使得介於訓練使得介於訓練向量與編碼字典中之編 碼向量 (Code Vector) 的平均誤差最小, 經過訓練迭代過程後即可建立包含若干編碼向量 之最佳化編碼字典。於是在傳輸過程中,將一影像切割成不同之向量,每一向量則在編碼字 典中找出最接近之編碼向量,並以此編碼向量之代碼傳送至接收端,如此即可大大減少傳輸 量,而提升傳輸效率。由研究結果顯示,本篇論文已成功的完成模糊 C- 均值影像壓縮演算 法之硬體電路配置,並且成功的利用 VHDL 硬體語言描述、模擬了其硬體設計。 |
本系統中英文摘要資訊取自各篇刊載內容。