图像编码中的三维 Epanechnikov 混合回归
图像与视频处理
2021-06-04 v1
摘要
核方法近年来被广泛研究。我们基于所提出的 Epanechnikov 核（EK）提出了三维（3-D）Epanechnikov 混合回归（EMR），并实现了用于图像编码的完整框架。在我们的研究中，推导出 3-D Epanechnikov 核的协方差矩阵形式及其相关统计量，以获得 Epanechnikov 混合模型。为将理论应用于图像编码，我们提出 3-D EMR，其相比常规高斯混合回归（GMR）能在更小图像块上更好地建模图像。回归均基于我们改进的带均方误差优化的期望最大化（EM）算法。最后，我们设计自适应模式选择（AMS）算法以实现编码的最佳模型模式组合。在低于 0.25bpp 时，我们恢复的图像相比 JPEG 具有清晰轮廓与更优编码效率。我们的工作通过以下方面实现了前所未有的理论应用：（1）丰富 Epanechnikov 核理论，（2）利用 MSE 优化改进 EM 算法，（3）发掘 EMR 及其在图像编码中的应用，（4）结合高斯与 Epanechnikov 核的 AMS 最优建模。
引用
@article{arxiv.2106.01643,
title = {Three-dimensional Epanechnikov mixture regression in image coding},
author = {Boning Liu and Yan Zhao and Xiaomeng Jiang and Shigang Wang},
journal= {arXiv preprint arXiv:2106.01643},
year = {2021}
}
备注
12 pages, 9 figures