Wavelet Image and Video Compression

یک پیشرفت هیجان انگیز جدید در عصر دیجیتال رخ داده است که تخیل و استعداد محققان در سراسر جهان را به خود جلب کرده است - فشرده سازی تصویر موجک. این فناوری ریشه‌های عمیقی در نظریه‌های بینایی دارد و نوید بهبود عملکرد را نسبت به سایر روش‌های فشرده‌سازی، مانند روش‌های مبتنی بر تبدیل فوریه، کوانتیزرهای برداری، فراکتال‌ها، شبکه‌های عصبی و بسیاری دیگر، می‌دهد. این فناوری جدید انقلابی است که در Wavelet Image and Video Compression ارائه شده است، به شکلی که برای بیشترین مخاطب ممکن قابل دسترسی باشد.
فشرده سازی تصویر و ویدئو موجک به چهار قسمت تقسیم می شود. بخش اول، مواد پس‌زمینه، ساختارهای ریاضی پایه‌ای را معرفی می‌کند که زیربنای الگوریتم‌های فشرده‌سازی تصویر هستند، با این هدف که مقدمه‌ای آسان برای مفاهیم ریاضی که پیش‌نیازهای باقی‌مانده کتاب هستند، ارائه کند. موضوعاتی مانند تغییر پایه ها، کوانتیزاسیون اسکالر و برداری، تخصیص بیت و نظریه اعوجاج نرخ، کدگذاری آنتروپی، تبدیل گسسته کسینوس، فیلترهای موجک و سایر موضوعات مرتبط را توضیح می دهد. بخش دوم، کدگذاری تصویر ثابت، طیفی از تکنیک‌های کدگذاری تصاویر ثابت موجک را ارائه می‌کند. بخش سوم، موضوعات ویژه در کدگذاری تصویر ثابت، انواعی از طرح‌های کدگذاری نمونه را با طعمی خاص در حوزه رویکرد یا کاربرد ارائه می‌دهد. بخش چهارم، کدگذاری ویدئو، به بررسی تکنیک‌های کدگذاری موجک و هرمی برای داده‌های ویدئویی می‌پردازد.
فشرده‌سازی تصویر و ویدئو Wavelet به عنوان یک مرجع عالی عمل می‌کند و ممکن است به عنوان متنی برای دوره‌های پیشرفته که این موضوع را پوشش می‌دهند، استفاده شود.

An exciting new development has taken place in the digital era that has captured the imagination and talent of researchers around the globe - wavelet image compression. This technology has deep roots in theories of vision, and promises performance improvements over all other compression methods, such as those based on Fourier transforms, vectors quantizers, fractals, neural nets, and many others. It is this revolutionary new technology that is presented in Wavelet Image and Video Compression, in a form that is accessible to the largest audience possible.
Wavelet Image and Video Compression is divided into four parts. Part I, Background Material, introduces the basic mathematical structures that underly image compression algorithms with the intention of providing an easy introduction to the mathematical concepts that are prerequisites for the remainder of the book. It explains such topics as change of bases, scalar and vector quantization, bit allocation and rate-distortion theory, entropy coding, the discrete-cosine transform, wavelet filters and other related topics. Part II, Still Image Coding, presents a spectrum of wavelet still image coding techniques. Part III, Special Topics in Still Image Coding, provides a variety of example coding schemes with a special flavor in either approach or application domain. Part IV, Video Coding, examines wavelet and pyramidal coding techniques for video data.
Wavelet Image and Video Compression serves as an excellent reference and may be used as a text for advanced courses covering the subject.