prediction of the psnr quality of decoded images in fractal image coding

التنبؤ بجودة نسبة الإشارة إلى الضجيج القصوى (PSNR) للصور مفكوكة الترميز في ترميز الصور الكسيري

Clicks: 322
ID: 129742
2016
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Steady

Ranked #13 of 1,093 articles by views in journal of power sources

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 1,093 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
With many observations, we find that there exists a logarithmic relationship between the average collage error (ACER) and the PSNR quality of decoded images. By making use of ACER in the encoding process, the curve fitting result can help us to predict the PSNR quality of decoded images. Then, in order to reduce the computational complexity further, an accelerated version of the prediction method is proposed. Firstly, a low limit of percentage of accumulated collage error (LLPACE) is proposed to evaluate the actual percentage of accumulated collage error (APACE). If LLPACE reaches a large value, such as 90%, the corresponding APACE can be proved to be limited in a small range (90%–100%) and the APACE can be estimated approximately. Thus, the remaining range blocks can be neglected and the corresponding computations can be saved. With the approximated APACE and the logarithmic relationship, the quality of decoded images can be predicted directly. Experiments show that, for four fractal coding methods, the quality of decoded images can be predicted accurately. Furthermore, the accelerated prediction method can provide competitive performance and reduce about one-third of total computations in the encoding process. Finally, the application of the proposed method is also discussed and analyzed.
من خلال العديد من الملاحظات، وجدنا وجود علاقة لوغاريتمية بين متوسط خطأ التلصيق (ACER) وجودة ذروة نسبة الإشارة إلى الضوضاء (PSNR) للصور المفكوكة الترميز. ومن خلال الاستفادة من ACER في عملية الترميز، يمكن لنتيجة توفيق المنحنى أن تساعدنا في التنبؤ بجودة PSNR للصور المفكوكة الترميز. بعد ذلك، وبغية خفض التعقيد الحسابي بدرجة أكبر، تُقترَح نسخة مُسرَّعة من طريقة التنبؤ. أولاً، يُقترَح حدٌّ أدنى للنسبة المئوية لخطأ التلصيق المتراكم (LLPACE) لتقييم النسبة المئوية الفعلية لخطأ التلصيق المتراكم (APACE). فإذا بلغت قيمة LLPACE حداً كبيراً، كأن تكون 90% مثلاً، فيمكن إثبات أن قيمة APACE المقابلة تكون محصورة في نطاق ضيق (90%–100%)، وبذلك يمكن تقدير APACE بصورة تقريبية. وتبعاً لذلك، يمكن إهمال كتل المدى المتبقية وتوفير الحسابات المقابلة لها. وبالاعتماد على قيمة APACE التقريبية والعلاقة اللوغاريتمية، يمكن التنبؤ بجودة الصور المفكوكة الترميز بصورة مباشرة. تُظهر التجارب أنه بالنسبة لأربع طرق ترميز كسيري، يمكن التنبؤ بجودة الصور المفكوكة الترميز بدقة عالية. علاوة على ذلك، يمكن لطريقة التنبؤ المُسرّعة أن تقدم أداءً تنافسياً وتختزل نحو ثلث إجمالي العمليات الحسابية في عملية الترميز. وأخيراً، نوقش تطبيق الطريقة المقترحة وحُلِّل أيضاً.
Reference Key
wang2016mathematicalprediction Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors ;Qiang Wang;Sheng Bi
Journal journal of power sources
Year 2016
DOI
10.1155/2016/2159703
URL
http://dx.doi.org/10.1155/2016/2159703
Keywords
civil engineering (general)mathematics engineering (general)

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.