2025-02-22T11:09:21-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: Query fl=%2A&wt=json&json.nl=arrarr&q=id%3A%22irk-123456789-190373%22&qt=morelikethis&rows=5
2025-02-22T11:09:21-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: => GET http://localhost:8983/solr/biblio/select?fl=%2A&wt=json&json.nl=arrarr&q=id%3A%22irk-123456789-190373%22&qt=morelikethis&rows=5
2025-02-22T11:09:21-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: <= 200 OK
2025-02-22T11:09:21-05:00 DEBUG: Deserialized SOLR response

Цілочислові модифіковані синусні перетворення. Метод побудови і роздільні направлені адаптивні перетворення для intra-прогнозування в кодуванні зображень/відео

Запропоновано матричний метод побудови цілочислового модифікованого синусного перетворення типу VII порядку 8, на основі якого побудовано два цілочислові перетворення і розроблено алгоритми швидкого виконання 8-точкових цілочислових модифікованих синусних перетворень типу VII, які потребують тільки...

Full description

Saved in:
Bibliographic Details
Main Author: Гнатів, Л.О.
Format: Article
Language:Ukrainian
Published: Інститут кібернетики ім. В.М. Глушкова НАН України 2020
Series:Кибернетика и системный анализ
Subjects:
Online Access:http://dspace.nbuv.gov.ua/handle/123456789/190373
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Запропоновано матричний метод побудови цілочислового модифікованого синусного перетворення типу VII порядку 8, на основі якого побудовано два цілочислові перетворення і розроблено алгоритми швидкого виконання 8-точкових цілочислових модифікованих синусних перетворень типу VII, які потребують тільки цілочислових операцій. Алгоритми мають низьку обчислювальну складність, яка в 4,5 і 10,9 рази менша порівняно з відомим алгоритмом. Перетворення мають більш високі характеристики ефективності кодування за якістю і ступенем стиснення порівняно з відомими синусними перетвореннями. Розроблено алгоритми швидкого виконання 2D 8-точкових роздільних направлених цілочислових косинусного і модифікованих синусних адаптивних перетворень для intra-прогнозування низької обчислювальної складності, яка в 4,62 і 8,24 рази менша порівняно з відомими алгоритмами.